语言:

• 英语
• 匈牙利语 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-hu 结果:
  • 任务: 名称: 英语-匈牙利语翻译 类型: 翻译 参数: eng-hun 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng hun devtest 指标:
    • 名称: BLEU 类型: bleu 值: 29.6
  • 任务: 名称: 英语-匈牙利语翻译 类型: 翻译 参数: eng-hun 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-hun 指标:
    • 名称: BLEU 类型: bleu 值: 38.7
  • 任务: 名称: 英语-匈牙利语翻译 类型: 翻译 参数: eng-hun 数据集: 名称: newstest2009 类型: wmt-2009-news 参数: eng-hun 指标:
    • 名称: BLEU 类型: bleu 值: 20.3

opus-mt-tc-big-en-hu

用于从英语(en)翻译到匈牙利语(hu)的神经机器翻译模型。

该模型是OPUS-MT项目的一部分，该项目致力于让神经机器翻译模型在全球多种语言中广泛可用和可访问。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。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 = "在线",
    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: 2022-02-25
• 源语言: 英语
• 目标语言: 匈牙利语
• 模型类型: transformer-big
• 数据来源: opusTCv20210807+bt (来源)
• 分词方式: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-02-25.zip
• 更多已发布模型信息: OPUS-MT eng-hun 说明文档

使用方式

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "I wish I hadn't seen such a horrible film.",
    "She's at school."
]

model_name = "pytorch-models/opus-mt-tc-big-en-hu"
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:
#     Bárcsak ne láttam volna ilyen szörnyű filmet.
#     Iskolában van.

您也可以使用transformers的pipeline功能调用OPUS-MT模型，例如:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-hu")
print(pipe("I wish I hadn't seen such a horrible film."))

# 预期输出: Bárcsak ne láttam volna ilyen szörnyű filmet.

基准测试

• 测试集翻译结果: opusTCv20210807+bt_transformer-big_2022-02-25.test.txt
• 测试集得分: opusTCv20210807+bt_transformer-big_2022-02-25.eval.txt
• 基准测试结果: benchmark_results.txt
• 基准测试输出: benchmark_translations.zip

致谢

本工作得到了欧洲语言网格作为试点项目2866的支持，由FoTran项目资助，该项目受欧洲研究理事会(ERC)根据欧盟Horizon 2020研究与创新计划(资助协议编号771113)资助，以及MeMAD项目，该项目受欧盟Horizon 2020研究与创新计划资助(资助协议编号780069)。我们也对CSC – 芬兰科学信息技术中心提供的慷慨计算资源和IT基础设施表示感谢。

模型转换信息

• transformers版本: 4.16.2
• OPUS-MT git哈希值: 3405783
• 转换时间: 2022年4月13日星期三 EEST 17:21:20
• 转换机器: LM0-400-22516.local