语言:

• 希腊语
• 英语 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-el 结果:
  • 任务: 名称: 英语-希腊语翻译 类型: 翻译 参数: eng-ell 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng ell devtest 指标:
    • 名称: BLEU 类型: bleu 值: 27.4
  • 任务: 名称: 英语-希腊语翻译 类型: 翻译 参数: eng-ell 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-ell 指标:
    • 名称: BLEU 类型: bleu 值: 55.4

opus-mt-tc-big-en-el

用于从英语（en）翻译到现代希腊语（1453-）（el）的神经机器翻译模型。

该模型是OPUS-MT项目的一部分，该项目旨在为世界上的许多语言广泛提供和普及神经机器翻译模型。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翻译挑战赛 – 为低资源和多语言机器翻译提供真实数据集（如果使用此模型，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翻译挑战赛 {--} 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（eng）
• 目标语言：现代希腊语（ell）
• 模型类型：transformer-big
• 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-ell README

使用方式

简短示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "If I weren't broke, I'd buy it.",
    "I received your telegram."
]

model_name = "pytorch-models/opus-mt-tc-big-en-el"
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：
#     Αν δεν ήμουν άφραγκος, θα το αγόραζα.
#     Έλαβα το τηλεγράφημα σου.

您也可以使用transformers的pipelines来调用OPUS-MT模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-el")
print(pipe("If I weren't broke, I'd buy it."))

# 预期输出：Αν δεν ήμουν άφραγκος, θα το αγόραζα.

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的支持，由FoTran项目资助，该项目由欧洲研究理事会（ERC）根据欧盟Horizon 2020研究与创新计划（资助协议编号771113）资助，以及MeMAD项目资助，该项目由欧盟Horizon 2020研究与创新计划根据资助协议编号780069资助。我们也感谢CSC – IT科学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 16:52:58
• 转换机器：LM0-400-22516.local