语言:

• 英语
• 葡萄牙语
• 巴西葡萄牙语 标签:
• 翻译
• opus-mt-tc 许可证: cc-by-4.0 模型索引:
• 名称: opus-mt-tc-big-en-pt 结果:
  • 任务: 名称: 英语-葡萄牙语翻译 类型: 翻译 参数: eng-por 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng por devtest 指标:
    • 名称: BLEU 类型: bleu 值: 50.4
  • 任务: 名称: 英语-葡萄牙语翻译 类型: 翻译 参数: eng-por 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-por 指标:
    • 名称: BLEU 类型: bleu 值: 49.6

opus-mt-tc-big-en-pt

用于从英语（en）翻译到葡萄牙语（pt）的神经机器翻译模型。

该模型是OPUS-MT项目的一部分，该项目致力于使神经机器翻译模型在全球多种语言中广泛可用和易于获取。所有模型最初都是使用Marian NMT这一纯C++编写的高效NMT实现框架进行训练的。这些模型已通过huggingface的transformers库转换为pyTorch格式。训练数据取自OPUS，训练流程使用了OPUS-MT-train的程序。

• 相关出版物: OPUS-MT – 为世界构建开放的翻译服务 和 Tatoeba翻译挑战 – 为低资源和多语言机器翻译提供真实数据集 （使用此模型时请引用。）

@inproceedings{tiedemann-thottingal-2020-opus,
    title = "{OPUS}-{MT} {--} 为世界构建开放的翻译服务",
    author = {Tiedemann, J{\"o}rg 和 Thottingal, Santhosh},
    booktitle = "第22届欧洲机器翻译协会年会论文集",
    month = 11月,
    year = "2020",
    address = "葡萄牙里斯本",
    publisher = "欧洲机器翻译协会",
    url = "https://aclanthology.org/2020.eamt-1.61",
    pages = "479--480",
}

@inproceedings{tiedemann-2020-tatoeba,
    title = "Tatoeba翻译挑战 {--} 为低资源和多语言机器翻译提供真实数据集",
    author = {Tiedemann, J{\"o}rg},
    booktitle = "第五届机器翻译会议论文集",
    month = 11月,
    year = "2020",
    address = "线上",
    publisher = "计算语言学协会",
    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: 英语
• 目标语言: 葡萄牙语（巴西及葡萄牙）
• 有效目标语言标签: >>pob<< >>por<<
• 模型架构: transformer-big
• 训练数据: opusTCv20210807+bt (来源)
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-03-13.zip
• 更多已发布模型信息: OPUS-MT eng-por 说明文档
• 关于模型的更多信息: MarianMT

这是一个多目标语言的翻译模型。需要在句子前添加目标语言ID形式的初始标记，如>>pob<<。

使用方法

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>por<< Tom tried to stab me.",
    ">>por<< He has been to Hawaii several times."
]

model_name = "pytorch-models/opus-mt-tc-big-en-pt"
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) )

# 预期输出:
#     O Tom tentou esfaquear-me.
#     Ele já esteve no Havaí várias vezes.

也可以使用transformers的pipeline功能:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-pt")
print(pipe(">>por<< Tom tried to stab me."))

# 预期输出: O Tom tentou esfaquear-me.

基准测试

• 测试集翻译: opusTCv20210807+bt_transformer-big_2022-03-13.test.txt
• 测试集得分: 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

这项工作得到了欧洲语言网格作为试点项目2866、由欧洲研究理事会(ERC)根据欧盟Horizon 2020研究与创新计划（资助协议编号771113）资助的FoTran项目，以及欧盟Horizon 2020研究与创新计划（资助协议编号780069）资助的MeMAD项目的支持。我们也感谢CSC – 芬兰科学IT中心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日星期三 EEST 17:48:54
• 转换机器: LM0-400-22516.local