opus-mt-tc-big-en-fr

用于从英语（en）翻译至法语（fr）的神经机器翻译模型。

该模型隶属于OPUS-MT项目，该项目致力于让神经机器翻译模型在全球范围内广泛覆盖多种语言并易于获取。所有模型最初均采用纯C++编写的高效NMT实现框架——Marian NMT进行训练，后通过huggingface的transformers库转换为pyTorch格式。训练数据源自OPUS，训练流程遵循OPUS-MT-train的标准化流程。

• 相关论文：OPUS-MT——构建面向全球的开放翻译服务与Tatoeba翻译挑战赛——为低资源及多语言机器翻译提供真实数据集（若使用本模型请引用）

@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：2022-03-09
• 源语言：英语（eng）
• 目标语言：法语（fra）
• 模型架构：transformer-big
• 训练数据：opusTCv20210807+bt（数据源）
• 分词方式：SentencePiece（spm32k,spm32k）
• 原始模型文件：opusTCv20210807+bt_transformer-big_2022-03-09.zip
• 更多发布模型信息：OPUS-MT eng-fra 说明文档

使用示例

简易调用代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "The Portuguese teacher is very demanding.",
    "When was your last hearing test?"
]

model_name = "pytorch-models/opus-mt-tc-big-en-fr"
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：
#     Le professeur de portugais est très exigeant.
#     Quand a eu lieu votre dernier test auditif ?

也可通过transformers流水线调用：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-fr")
print(pipe("The Portuguese teacher is very demanding."))

# 预期输出：Le professeur de portugais est très exigeant.

基准测试

• 测试集翻译结果：opusTCv20210807+bt_transformer-big_2022-03-09.test.txt
• 测试集评分：opusTCv20210807+bt_transformer-big_2022-03-09.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

致谢

本工作获得以下支持：

• 欧洲语言网格作为试点项目2866
• 由欧洲研究委员会（ERC）根据欧盟Horizon 2020研究与创新计划资助的FoTran项目（授权协议号771113）
• 欧盟Horizon 2020研究与创新计划资助的MeMAD项目（授权协议号780069）
• 特别感谢CSC——芬兰科学IT中心提供的慷慨计算资源和IT基础设施支持

模型转换信息

• transformers版本：4.16.2
• OPUS-MT git哈希值：3405783
• 移植时间：2022年4月13日星期三 EEST 17:07:05
• 移植机器：LM0-400-22516.local