opus-mt-tc-big-ar-en

神经机器翻译模型，用于将阿拉伯语（ar）翻译成英语（en）。

这个模型是 OPUS-MT project 的一部分，该项目旨在为世界上许多语言提供广泛的、易于获取的神经机器翻译模型。所有的模型都是使用 Marian NMT 提供的令人惊叹的 C++ 纯实现的高效 NMT_framework 训练得到的。使用 transformers 库由深度情感实现的模型已经转换为 pyTorch。训练数据来自 OPUS ，并且训练流程使用 OPUS-MT-train 的过程。

• 发表物: OPUS-MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （如果您使用了此模型，请引用）

@inproceedings{tiedemann-thottingal-2020-opus,
    title = "{OPUS}-{MT} {--} Building open translation services for the World",
    author = {Tiedemann, J{\"o}rg  and Thottingal, Santhosh},
    booktitle = "Proceedings of the 22nd Annual Conference of the European Association for Machine Translation",
    month = nov,
    year = "2020",
    address = "Lisboa, Portugal",
    publisher = "European Association for Machine Translation",
    url = "https://aclanthology.org/2020.eamt-1.61",
    pages = "479--480",
}

@inproceedings{tiedemann-2020-tatoeba,
    title = "The Tatoeba Translation Challenge {--} Realistic Data Sets for Low Resource and Multilingual {MT}",
    author = {Tiedemann, J{\"o}rg},
    booktitle = "Proceedings of the Fifth Conference on Machine Translation",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2020.wmt-1.139",
    pages = "1174--1182",
}

模型信息

• 发布日期: 2022-03-09
• 源语言: afb ara arz
• 目标语言: eng
• 模型: transformer-big
• 数据: opusTCv20210807+bt（ source ）
• 标记化: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-03-09.zip
• 更多信息发布的模型: OPUS-MT ara-eng README

使用方法

简单示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "اتبع قلبك فحسب.",
    "وين راهي دّوش؟"
]

model_name = "pytorch-models/opus-mt-tc-big-ar-en"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
translated = model.generate(**tokenizer(src_text, return_tensors="pt", padding=True))

for t in translated:
    print( tokenizer.decode(t, skip_special_tokens=True) )

# expected output:
#     Just follow your heart.
#     Wayne Rahi Dosh?

您也可以使用 transformers pipelines 来使用 OPUS-MT 模型，例如:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-ar-en")
print(pipe("اتبع قلبك فحسب."))

# expected output: Just follow your heart.

基准测试

• 测试集翻译: opusTCv20210807+bt_transformer-big_2022-03-09.test.txt
• 测试集评分: opusTCv20210807+bt_transformer-big_2022-03-09.eval.txt
• 基准测试结果: benchmark_results.txt
• 基准测试输出: benchmark_translations.zip

致谢

该工作得到 European Language Grid 和 pilot project 2866 的支持，由 FoTran project 资助，该项目受欧洲研究理事会 (ERC) 在欧洲联盟的Horizon 2020研究与创新计划 (合同号 771113) 下进行的高级研究资助，以及 MeMAD project 资助，该项目受欧洲联盟Horizon 2020研究与创新计划 (合同号 780069) 的支持。我们还感谢 CSC -- IT Center for Science 提供的慷慨的计算资源和IT基础设施，芬兰。

模型转换信息

• transformers 版本: 4.16.2
• OPUS-MT git 哈希: 3405783
• 转换时间: Wed Apr 13 18:17:57 EEST 2022
• 转换机器: LM0-400-22516.local