语言:

• 丹麦语
• 英语
• 法罗语
• 北日耳曼语支
• 冰岛语
• 书面挪威语
• 新挪威语
• 错误
• 瑞典语

标签:

• 翻译
• opus-mt-tc

许可证: cc-by-4.0

模型索引:

• 名称: opus-mt-tc-big-gmq-en 结果:
  • 任务: 名称: 丹麦语-英语翻译 类型: 翻译 参数: dan-eng 数据集: 名称: flores101-devtest 类型: flores_101 参数: dan eng devtest 指标:
    • 名称: BLEU 类型: bleu 值: 49.3
  • 任务: 名称: 冰岛语-英语翻译 类型: 翻译 参数: isl-eng 数据集: 名称: flores101-devtest 类型: flores_101 参数: isl eng devtest 指标:
    • 名称: BLEU 类型: bleu 值: 34.2
  • 任务: 名称: 书面挪威语-英语翻译 类型: 翻译 参数: nob-eng 数据集: 名称: flores101-devtest 类型: flores_101 参数: nob eng devtest 指标:
    • 名称: BLEU 类型: bleu 值: 44.2
  • 任务: 名称: 瑞典语-英语翻译 类型: 翻译 参数: swe-eng 数据集: 名称: flores101-devtest 类型: flores_101 参数: swe eng devtest 指标:
    • 名称: BLEU 类型: bleu 值: 49.8
  • 任务: 名称: 冰岛语-英语翻译 类型: 翻译 参数: isl-eng 数据集: 名称: newsdev2021.is-en 类型: newsdev2021.is-en 参数: isl-eng 指标:
    • 名称: BLEU 类型: bleu 值: 30.4
  • 任务: 名称: 丹麦语-英语翻译 类型: 翻译 参数: dan-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: dan-eng 指标:
    • 名称: BLEU 类型: bleu 值: 65.9
  • 任务: 名称: 法罗语-英语翻译 类型: 翻译 参数: fao-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: fao-eng 指标:
    • 名称: BLEU 类型: bleu 值: 30.1
  • 任务: 名称: 冰岛语-英语翻译 类型: 翻译 参数: isl-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: isl-eng 指标:
    • 名称: BLEU 类型: bleu 值: 53.3
  • 任务: 名称: 新挪威语-英语翻译 类型: 翻译 参数: nno-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: nno-eng 指标:
    • 名称: BLEU 类型: bleu 值: 56.1
  • 任务: 名称: 书面挪威语-英语翻译 类型: 翻译 参数: nob-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: nob-eng 指标:
    • 名称: BLEU 类型: bleu 值: 60.2
  • 任务: 名称: 瑞典语-英语翻译 类型: 翻译 参数: swe-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: swe-eng 指标:
    • 名称: BLEU 类型: bleu 值: 66.4
  • 任务: 名称: 冰岛语-英语翻译 类型: 翻译 参数: isl-eng 数据集: 名称: newstest2021.is-en 类型: wmt-2021-news 参数: isl-eng 指标:
    • 名称: BLEU 类型: bleu 值: 34.4

opus-mt-tc-big-gmq-en

用于从北日耳曼语支(gmq)翻译到英语(en)的神经机器翻译模型。

该模型是OPUS-MT项目的一部分，旨在使神经机器翻译模型对世界上的许多语言广泛可用和易于获取。所有模型最初都是使用Marian NMT这一出色的框架训练的，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。训练数据取自OPUS，训练流程使用了OPUS-MT-train的程序。

• 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MT提供真实数据集（使用时请引用。）

@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{MT}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: 2022-03-09
• 源语言: 丹麦语 法罗语 冰岛语 新挪威语 书面挪威语 挪威语 瑞典语
• 目标语言: 英语
• 模型: transformer-big
• 数据: opusTCv20210807+bt (来源)
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-03-09.zip
• 更多发布模型信息: OPUS-MT gmq-eng README

使用

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Han var synligt nervøs.",
    "Inte ens Tom själv var övertygad."
]

model_name = "pytorch-models/opus-mt-tc-big-gmq-en"
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:
#     He was visibly nervous.
#     Even Tom was not convinced.

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

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-gmq-en")
print(pipe("Han var synligt nervøs."))

# 预期输出: He was visibly nervous.

基准测试

• 测试集翻译: opusTCv20210807+bt_transformer-big_2022-03-09.test.txt
• 测试集分数: 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

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研究和创新计划资助，资助协议编号780069。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 19:13:11