opus-mt-tc-big-en-bg

神经机器翻译模型，用于将英语（en）翻译为保加利亚语（bg）。

该模型是 OPUS-MT project 的一部分，旨在为世界上的许多语言提供广泛可用和可访问的神经机器翻译模型。所有模型最初都使用了炫人的 Marian NMT 框架进行训练，这是一个使用纯C ++编写的高效NMT实现。这些模型已经使用huggingface的transformers库将其转换为pyTorch。训练数据取自 OPUS ，训练流程使用了 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 （如果使用此模型，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：2022-02-25
• 源语言：eng
• 目标语言：bul
• 模型：transformer-big
• 数据：opusTCv20210807+bt （ source ）
• 分词：SentencePiece（spm32k，spm32k）
• 原始模型： opusTCv20210807+bt_transformer-big_2022-02-25.zip
• 更多信息发布模型： OPUS-MT eng-bul README

用法

简短的示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "2001 is the year when the 21st century begins.",
    "This is Copacabana!"
]

model_name = "pytorch-models/opus-mt-tc-big-en-bg"
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:
#     2001 е годината, в която започва 21-ви век.
#     Това е Копакабана!

您也可以使用transformers管道来使用OPUS-MT模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-bg")
print(pipe("2001 is the year when the 21st century begins."))

# expected output: 2001 е годината, в която започва 21-ви век.

基准测试

• 测试集翻译： opusTCv20210807+bt_transformer-big_2022-02-25.test.txt
• 测试集评分： opusTCv20210807+bt_transformer-big_2022-02-25.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 的支持作为 pilot project 2866 ，由 FoTran project 资助，该项目受欧洲研究理事会（ERC）支持，根据欧洲联盟的Horizon 2020研究和创新计划（授予协议编号771113），以及 MeMAD project ，该项目受欧洲联盟Horizon 2020研究和创新计划的资助，授予协议编号780069。我们还感谢 CSC -- IT Center for Science 提供的慷慨计算资源和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：2022年4月13日16:29:32 EEST
• 转换机器：LM0-400-22516.local