opus-mt-tc-big-en-es

英语（en）翻译成西班牙语（es）的神经机器翻译模型。

该模型是 OPUS-MT project 项目的一部分，旨在让神经机器翻译模型广泛可用和易于访问世界上的许多语言。所有模型最初使用纯 C++ 编写的 Marian NMT 框架进行训练。使用 transformers 库由 huggingface 转换为 pyTorch。训练数据取自 OPUS ，并且训练流程使用 OPUS-MT-train 的程序。

• 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：2022-03-13
• 源语言：eng
• 目标语言：spa
• 模型：transformer-big
• 数据：opusTCv20210807+bt（ source ）
• 标记化：SentencePiece（spm32k, spm32k）
• 原始模型： opusTCv20210807+bt_transformer-big_2022-03-13.zip
• 更多信息发布模型： OPUS-MT eng-spa README

用法

简短的示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "A wasp stung him and he had an allergic reaction.",
    "I love nature."
]

model_name = "pytorch-models/opus-mt-tc-big-en-es"
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:
#     Una avispa lo picó y tuvo una reacción alérgica.
#     Me encanta la naturaleza.

您还可以使用 transformers pipelines 使用 OPUS-MT 模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-es")
print(pipe("A wasp stung him and he had an allergic reaction."))

# expected output: Una avispa lo picó y tuvo una reacción alérgica.

基准测试

• 测试集翻译： opusTCv20210807+bt_transformer-big_2022-03-13.test.txt
• 测试集分数： opusTCv20210807+bt_transformer-big_2022-03-13.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

致谢

这项工作得到 European Language Grid 支持，作为 pilot project 2866 的一部分，由 FoTran project 资助，该资助是欧洲研究理事会（ERC）在欧洲联盟的Horizon 2020研究和创新计划（授予 No 771113）下的一部分，以及 MeMAD project ，该资助是欧洲联盟Horizon 2020研究和创新计划（授予 No 780069）下的一部分。我们还感谢 CSC -- IT Center for Science 为芬兰提供的慷慨计算资源和IT基础设施。

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18:03:53 EEST
• 转换机器：LM0-400-22516.local