语言:

• 保加利亚语 (bg)
• 英语 (en) 标签:
• 翻译
• opus-mt-tc 许可证: cc-by-4.0 模型索引:
• 名称: opus-mt-tc-big-bg-en 结果:
  • 任务: 名称: 翻译 bul-eng 类型: 翻译 参数: bul-eng 数据集: 名称: flores101-devtest 类型: flores_101 参数: bul eng devtest 指标:
    • 名称: BLEU 类型: bleu 值: 42.9
  • 任务: 名称: 翻译 bul-eng 类型: 翻译 参数: bul-eng 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: bul-eng 指标:
    • 名称: BLEU 类型: bleu 值: 60.5

opus-mt-tc-big-bg-en

用于从保加利亚语 (bg) 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。所有模型最初均使用 Marian NMT 这一纯 C++ 编写的高效 NMT 实现框架进行训练。模型已通过 huggingface 的 transformers 库转换为 pyTorch 格式。训练数据来自 OPUS，训练流程采用 OPUS-MT-train 的程序。

• 相关论文: OPUS-MT – 为世界构建开放的翻译服务 和 Tatoeba 翻译挑战 – 为低资源及多语言机器翻译提供真实数据集 (若使用此模型，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 {--} 为低资源及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: 2022-03-09
• 源语言: 保加利亚语 (bul)
• 目标语言: 英语 (eng)
• 模型架构: transformer-big
• 数据来源: opusTCv20210807+bt (来源)
• 分词工具: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-03-09.zip
• 更多模型发布信息: OPUS-MT bul-eng 说明文档

使用示例

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "2001 е годината, с която започва 21-ви век.",
    "Това е Copacabana!"
]

model_name = "pytorch-models/opus-mt-tc-big-bg-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:
#     2001 was the year the 21st century began.
#     It's Copacabana!

也可使用 transformers 的 pipeline 调用 OPUS-MT 模型:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-bg-en")
print(pipe("2001 е годината, с която започва 21-ви век."))

# 预期输出: 2001 was the year the 21st century began.

性能评估

• 测试集翻译结果: opusTCv20210807+bt_transformer-big_2022-03-09.test.txt
• 测试集得分: 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)。同时感谢 CSC -- 芬兰科学信息技术中心 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
• 转换时间: 2022年4月13日星期三 EEST 18:23:56
• 转换机器: LM0-400-22516.local