opus-mt-tc-big-fr-zle

用于将法语（fr）翻译成东斯拉夫语言（zle）的神经机器翻译模型。

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 Marian NMT 的惊人框架进行原始训练的，这是一个使用纯C++编写的高效NMT实现。使用transformers库由huggingface将模型转换为pyTorch。训练数据来自 OPUS ，并且训练流水线使用 OPUS-MT-train 的程序。

• 发表文章： OPUS-MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （请在使用此模型时引用。）

@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：2022-03-23
• 源语言：fra
• 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（ source ）
• 分词：SentencePiece（spm32k,spm32k）
• 原始模型： opusTCv20210807_transformer-big_2022-03-23.zip
• 更多信息已发布模型： OPUS-MT fra-zle README
• 关于模型的更多信息： MarianMT

这是一个具有多个目标语言的多语言翻译模型。需要以 >>id<< 的形式提供句子的初始语言标记（id = 有效的目标语言ID），例如 >>bel<<

使用

一个简短的示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>rus<< Ils ont acheté un très bon appareil photo.",
    ">>ukr<< Il s'est soudain mis à pleuvoir."
]

model_name = "pytorch-models/opus-mt-tc-big-fr-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 купили очень хорошую камеру.
#     Раптом почався дощ.

您还可以使用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-fr-zle")
print(pipe(">>rus<< Ils ont acheté un très bon appareil photo."))

# expected output: Они купили очень хорошую камеру.

基准测试

• 测试集翻译： opusTCv20210807_transformer-big_2022-03-23.test.txt
• 测试集分数： opusTCv20210807_transformer-big_2022-03-23.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准输出：benchmark_translations.zip

致谢

这项工作得到 European Language Grid 的支持，作为 pilot project 2866 ，由 FoTran project 资助，该项目由欧洲研究委员会（ERC）在欧洲联盟的Horizon 2020研究和创新计划（授予协议号：771113）以及 MeMAD project 在欧洲联盟的Horizon 2020研究和创新计划下（授予协议号：780069）进行资助。我们还感谢提供给 CSC -- IT Center for Science 的慷慨计算资源和IT基础设施，在芬兰。

模型转换信息

• transformers版本：4.16.2
• OPUS-MT git哈希值：1bdabf7
• 端口时间：Thu Mar 24 02:05:04 EET 2022
• 端口机器：LM0-400-22516.local