opus-mt-tc-big-en-zle

神经机器翻译模型，用于将英语（en）翻译为东斯拉夫语言（zle）。

该模型是 OPUS-MT project 的一部分，旨在使神经机器翻译模型在世界上许多语言中广泛可用和易于访问。所有模型都是使用神奇的 C++ 纯编写的高效 NMT 实现 Marian NMT 在训练初期进行训练的。使用了transformers库由huggingface将这些模型转换为pyTorch。训练数据取自 OPUS ，训练流水线使用 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 （如果您使用此模型，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: bel rus ukr
• 有效目标语言标签: >>bel<< >>rus<< >>ukr<<
• 模型: transformer-big
• 数据: opusTCv20210807+bt ( source )
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-03-13.zip
• 发布的更多信息模型: OPUS-MT eng-zle README
• 模型的更多信息: MarianMT

这是一个具有多个目标语言的多语言翻译模型。需要使用表单中的句子初始语言标记作为>>id<<（id = 有效目标语言ID），例如>>bel<<

用法

一个简短的示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>rus<< Are they coming as well?",
    ">>rus<< I didn't let Tom do what he wanted to do."
]

model_name = "pytorch-models/opus-mt-tc-big-en-zle"
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:
#     Они тоже приедут?
#     Я не позволил Тому сделать то, что он хотел.

您还可以使用transformers流程使用OPUS-MT模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-zle")
print(pipe(">>rus<< Are they coming as well?"))

# expected output: Они тоже приедут?

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
• 基准输出: benchmark_translations.zip

致谢

该工作得到 European Language Grid 以 pilot project 2866 的支持，由 FoTran project 资助，该项目由欧洲研究理事会 (ERC) 在欧洲联盟的Horizon 2020研究和创新计划 (授予协议编号771113) 下实施，以及 MeMAD project ，由欧盟的Horizon 2020研究和创新计划在授予协议编号780069下实施。我们还感谢 CSC -- IT Center for Science ，芬兰为我们提供慷慨的计算资源和IT基础设施。

模型转换信息

• transformers版本: 4.16.2
• OPUS-MT git哈希: 1bdabf7
• 转换时间: Thu Mar 24 01:58:40 EET 2022
• 转换机器: LM0-400-22516.local