语言:

• 英语
• 罗马尼亚语 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-ro 结果:
  • 任务: 名称: 翻译 英语-罗马尼亚语 类型: 翻译 参数: eng-ron 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng ron devtest 指标:
    • 名称: BLEU 类型: bleu 值: 40.4
  • 任务: 名称: 翻译 英语-罗马尼亚语 类型: 翻译 参数: eng-ron 数据集: 名称: newsdev2016 类型: newsdev2016 参数: eng-ron 指标:
    • 名称: BLEU 类型: bleu 值: 36.4
  • 任务: 名称: 翻译 英语-罗马尼亚语 类型: 翻译 参数: eng-ron 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-ron 指标:
    • 名称: BLEU 类型: bleu 值: 48.6
  • 任务: 名称: 翻译 英语-罗马尼亚语 类型: 翻译 参数: eng-ron 数据集: 名称: newstest2016 类型: wmt-2016-news 参数: eng-ron 指标:
    • 名称: BLEU 类型: bleu 值: 34.0

opus-mt-tc-big-en-ro

用于从英语（en）翻译到罗马尼亚语（ro）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这一出色的框架进行训练的，这是一个用纯C++编写的高效NMT实现。这些模型已通过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翻译挑战赛 – 为低资源和多语言MT提供真实数据集（使用此模型时请引用。）

@inproceedings{tiedemann-thottingal-2020-opus,
    title = "{OPUS}-{MT} {--} Building open translation services for the World",
    author = {Tiedemann, J{\"o}rg  and Thottingal, Santhosh},
    booktitle = "Proceedings of the 22nd Annual Conference of the European Association for Machine Translation",
    month = nov,
    year = "2020",
    address = "Lisboa, Portugal",
    publisher = "European Association for Machine Translation",
    url = "https://aclanthology.org/2020.eamt-1.61",
    pages = "479--480",
}

@inproceedings{tiedemann-2020-tatoeba,
    title = "The Tatoeba Translation Challenge {--} Realistic Data Sets for Low Resource and Multilingual {MT}",
    author = {Tiedemann, J{\"o}rg},
    booktitle = "Proceedings of the Fifth Conference on Machine Translation",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2020.wmt-1.139",
    pages = "1174--1182",
}

模型信息

• 发布日期: 2022-02-25
• 源语言: 英语
• 目标语言: 罗马尼亚语
• 模型: transformer-big
• 数据: opusTCv20210807+bt (来源)
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-02-25.zip
• 更多信息发布模型: OPUS-MT eng-ron README

使用

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>ron<< A bad writer's prose is full of hackneyed phrases.",
    ">>ron<< Zero is a special number."
]

model_name = "pytorch-models/opus-mt-tc-big-en-ro"
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:
#     Proza unui scriitor prost este plină de fraze tocite.
#     Zero este un număr special.

你也可以使用OPUS-MT模型与transformers pipelines，例如:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-ro")
print(pipe(">>ron<< A bad writer's prose is full of hackneyed phrases."))

# 预期输出: Proza unui scriitor prost este plină de fraze tocite.

基准测试

• 测试集翻译: opusTCv20210807+bt_transformer-big_2022-02-25.test.txt
• 测试集分数: opusTCv20210807+bt_transformer-big_2022-02-25.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、由FoTran项目支持，该项目由欧洲研究理事会（ERC）根据欧盟Horizon 2020研究与创新计划（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 17:55:46
• 转换机器: LM0-400-22516.local