语言:

• 德语
• 西班牙语

标签:

• 翻译
• opus-mt-tc

许可证: cc-by-4.0 模型索引:

• 名称: opus-mt-tc-big-de-es 结果:
  • 任务: 名称: 翻译 德语-西班牙语 类型: 翻译 参数: deu-spa 数据集: 名称: flores101-devtest 类型: flores_101 参数: deu spa devtest 指标:
    • 名称: BLEU 类型: bleu 值: 24.9
    • 名称: chr-F 类型: chrf 值: 0.53208
  • 任务: 名称: 翻译 德语-西班牙语 类型: 翻译 参数: deu-spa 数据集: 名称: news-test2008 类型: news-test2008 参数: deu-spa 指标:
    • 名称: BLEU 类型: bleu 值: 26.6
    • 名称: chr-F 类型: chrf 值: 0.54400
  • 任务: 名称: 翻译 德语-西班牙语 类型: 翻译 参数: deu-spa 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: deu-spa 指标:
    • 名称: BLEU 类型: bleu 值: 50.8
    • 名称: chr-F 类型: chrf 值: 0.69105
  • 任务: 名称: 翻译 德语-西班牙语 类型: 翻译 参数: deu-spa 数据集: 名称: newstest2009 类型: wmt-2009-news 参数: deu-spa 指标:
    • 名称: BLEU 类型: bleu 值: 25.9
    • 名称: chr-F 类型: chrf 值: 0.53934
  • 任务: 名称: 翻译 德语-西班牙语 类型: 翻译 参数: deu-spa 数据集: 名称: newstest2010 类型: wmt-2010-news 参数: deu-spa 指标:
    • 名称: BLEU 类型: bleu 值: 33.8
    • 名称: chr-F 类型: chrf 值: 0.60102
  • 任务: 名称: 翻译 德语-西班牙语 类型: 翻译 参数: deu-spa 数据集: 名称: newstest2011 类型: wmt-2011-news 参数: deu-spa 指标:
    • 名称: BLEU 类型: bleu 值: 31.3
    • 名称: chr-F 类型: chrf 值: 0.57133
  • 任务: 名称: 翻译 德语-西班牙语 类型: 翻译 参数: deu-spa 数据集: 名称: newstest2012 类型: wmt-2012-news 参数: deu-spa 指标:
    • 名称: BLEU 类型: bleu 值: 32.6
    • 名称: chr-F 类型: chrf 值: 0.58119
  • 任务: 名称: 翻译 德语-西班牙语 类型: 翻译 参数: deu-spa 数据集: 名称: newstest2013 类型: wmt-2013-news 参数: deu-spa 指标:
    • 名称: BLEU 类型: bleu 值: 32.4
    • 名称: chr-F 类型: chrf 值: 0.57559

opus-mt-tc-big-de-es

目录

• 模型详情
• 用途
• 风险、局限性和偏见
• 如何开始使用该模型
• 训练
• 评估
• 引用信息
• 致谢

模型详情

用于从德语(de)翻译到西班牙语(es)的神经机器翻译模型。

该模型是OPUS-MT项目的一部分，该项目旨在为世界多种语言提供广泛可用的神经机器翻译模型。所有模型最初都是使用Marian NMT框架训练的，这是一个用纯C++编写的高效NMT实现。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。 模型描述:

• 开发者: 赫尔辛基大学语言技术研究小组
• 模型类型: 翻译(transformer-big)
• 发布日期: 2022-07-26
• 许可证: CC-BY-4.0
• 语言:
  • 源语言: deu
  • 目标语言: spa
  • 语言对: deu-spa
  • 有效目标语言标签:
• 原始模型: opusTCv20210807_transformer-big_2022-07-26.zip
• 更多信息资源:
  • OPUS-MT-train GitHub仓库
  • 关于该语言对发布的更多模型信息: OPUS-MT deu-spa README
  • 关于transformers库中MarianNMT模型的更多信息
  • [Tatoeba翻译挑战赛](https://github.com/Helsinki-NLP/Tatoeba-Challenge/

用途

该模型可用于翻译和文本生成。

风险、局限性和偏见

内容警告: 读者应注意，该模型是在各种公共数据集上训练的，这些数据可能包含令人不安、冒犯性的内容，并可能传播历史和当前的刻板印象。

大量研究探讨了语言模型的偏见和公平性问题(参见，例如，Sheng等人(2021)和Bender等人(2021))。

如何开始使用该模型

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Ich verstehe nicht, worüber ihr redet.",
    "Die Vögel singen in den Bäumen."
]

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

# 预期输出:
#     No entiendo de qué están hablando.
#     Los pájaros cantan en los árboles.

您也可以使用transformers pipelines与OPUS-MT模型，例如:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-es")
print(pipe("Ich verstehe nicht, worüber ihr redet."))

# 预期输出: No entiendo de qué están hablando.

训练

• 数据: opusTCv20210807 (来源)
• 预处理: SentencePiece (spm32k,spm32k)
• 模型类型: transformer-big
• 原始MarianNMT模型: opusTCv20210807_transformer-big_2022-07-26.zip
• 训练脚本: GitHub仓库

评估

• 测试集翻译: opusTCv20210807_transformer-big_2022-07-26.test.txt
• 测试集分数: opusTCv20210807_transformer-big_2022-07-26.eval.txt
• 基准测试结果: benchmark_results.txt
• 基准测试输出: benchmark_translations.zip

引用信息

• 出版物: OPUS-MT – 为世界构建开放的翻译服务和Tatoeba翻译挑战赛 – 低资源和多语言MT的真实数据集 (如果使用该模型，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 = "里斯本, 葡萄牙",
    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 {--} 低资源和多语言{MT}的真实数据集",
    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",
}

致谢

该工作得到了欧洲语言网格作为试点项目2866、由FoTran项目支持，该项目由欧洲研究理事会(ERC)根据欧盟Horizon 2020研究和创新计划(资助协议编号771113)资助，以及MeMAD项目，该项目由欧盟Horizon 2020研究和创新计划根据资助协议编号780069资助。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: 8b9f0b0
• 转换时间: 2022年8月13日星期六EEST 00:06:19
• 转换机器: LM0-400-22516.local