语言:

• 加泰罗尼亚语（ca）
• 英语（en）
• 西班牙语（es）
• 奥克语（oc）

标签:

• 翻译
• opus-mt-tc

许可证: cc-by-4.0

模型索引:

• 名称: opus-mt-tc-big-cat_oci_spa-en 结果:
  • 任务: 名称: 翻译 cat-eng 类型: 翻译 参数: cat-eng 数据集: 名称: flores101-devtest 类型: flores_101 参数: cat eng devtest 指标:
    • 名称: BLEU 类型: bleu 值: 45.4
  • 任务: 名称: 翻译 oci-eng 类型: 翻译 参数: oci-eng 数据集: 名称: flores101-devtest 类型: flores_101 参数: oci eng devtest 指标:
    • 名称: BLEU 类型: bleu 值: 37.5
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: flores101-devtest 类型: flores_101 参数: spa eng devtest 指标:
    • 名称: BLEU 类型: bleu 值: 29.9
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: news-test2008 类型: news-test2008 参数: spa-eng 指标:
    • 名称: BLEU 类型: bleu 值: 27.9
  • 任务: 名称: 翻译 cat-eng 类型: 翻译 参数: cat-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: cat-eng 指标:
    • 名称: BLEU 类型: bleu 值: 57.3
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: spa-eng 指标:
    • 名称: BLEU 类型: bleu 值: 62.3
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: tico19-test 类型: tico19-test 参数: spa-eng 指标:
    • 名称: BLEU 类型: bleu 值: 51.8
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: newstest2009 类型: wmt-2009-news 参数: spa-eng 指标:
    • 名称: BLEU 类型: bleu 值: 30.2
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: newstest2010 类型: wmt-2010-news 参数: spa-eng 指标:
    • 名称: BLEU 类型: bleu 值: 36.8
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: newstest2011 类型: wmt-2011-news 参数: spa-eng 指标:
    • 名称: BLEU 类型: bleu 值: 34.7
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: newstest2012 类型: wmt-2012-news 参数: spa-eng 指标:
    • 名称: BLEU 类型: bleu 值: 38.6
  • 任务: 名称: 翻译 spa-eng 类型: 翻译 参数: spa-eng 数据集: 名称: newstest2013 类型: wmt-2013-news 参数: spa-eng 指标:
    • 名称: BLEU 类型: bleu 值: 35.3

opus-mt-tc-big-cat_oci_spa-en

这是一个用于从加泰罗尼亚语、奥克语和西班牙语（cat+oci+spa）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，该项目致力于使神经机器翻译模型在全球多种语言中广泛可用和易于获取。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。训练数据来自OPUS，训练流程使用了OPUS-MT-train的程序。

• 相关出版物: OPUS-MT – 构建面向全球的开放翻译服务 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（如使用此模型，请引用）

@inproceedings{tiedemann-thottingal-2020-opus,
    title = "{OPUS}-{MT} {--} 构建面向全球的开放翻译服务",
    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: 2022-03-13
• 源语言: cat spa
• 目标语言: eng
• 模型架构: 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 cat+oci+spa-eng 自述文件

使用方式

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "¿Puedo hacerte una pregunta?",
    "Toca algo de música."
]

model_name = "pytorch-models/opus-mt-tc-big-cat_oci_spa-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:
#     我可以问你一个问题吗？
#     他演奏了一些音乐。

你也可以使用transformers的pipeline功能来调用OPUS-MT模型，例如:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-cat_oci_spa-en")
print(pipe("¿Puedo hacerte una pregunta?"))

# 预期输出: 我可以问你一个问题吗？

基准测试

• 测试集翻译结果: 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

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: 3405783
• 转换时间: 2022年4月13日星期三 EEST 18:30:38
• 转换机器: LM0-400-22516.local