🚀 opus-mt-tc-big-en-es

opus-mt-tc-big-en-es 是一款用于将英语（en）翻译成西班牙语（es）的神经机器翻译模型。该模型属于 OPUS - MT 项目 的一部分，此项目致力于让神经机器翻译模型在全球多种语言中广泛可用且易于获取。所有模型最初使用 Marian NMT 这一出色的框架进行训练，它是一个用纯 C++ 编写的高效神经机器翻译实现。这些模型已通过 huggingface 的 transformers 库转换为 PyTorch 格式。训练数据来自 OPUS，训练流程采用 OPUS - MT - train 的方法。

• 相关出版物：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，请进行引用）

@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",
}

🚀 快速开始

本模型可用于将英语翻译成西班牙语，以下是使用示例。

✨ 主要特性

• 属于 OPUS - MT 项目，致力于提供多语言的机器翻译模型。
• 基于 Marian NMT 框架训练，后转换为 PyTorch 格式。
• 训练数据来自 OPUS，采用 OPUS - MT - train 的训练流程。

📦 安装指南

文档未提及安装步骤，暂不提供。

💻 使用示例

基础用法

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.

高级用法

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.

📚 详细文档

模型信息

基准测试

• 测试集翻译结果：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.test.txt](https://object.pouta.csc.fi/Tatoeba-MT-models/eng - spa/opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.test.txt)
• 测试集得分：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.eval.txt](https://object.pouta.csc.fi/Tatoeba-MT-models/eng - spa/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

🔧 技术细节

文档未提及具体技术实现细节，暂不提供。

📄 许可证

本模型使用的许可证为 cc - by - 4.0。

致谢

本工作得到了以下项目的支持：

• [欧洲语言网格](https://www.european - language - grid.eu/) 的 [试点项目 2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866)。
• [FoTran 项目](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding)，由欧盟的“地平线 2020”研究与创新计划（资助协议编号 771113）资助。
• MeMAD 项目，由欧盟的“地平线 2020”研究与创新计划（资助协议编号 780069）资助。

同时，我们感谢 芬兰科学信息技术中心（CSC） 提供的慷慨计算资源和 IT 基础设施。

模型转换信息