语言:

• 英语
• 立陶宛语 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-lt 结果:
  • 任务: 名称: 英语到立陶宛语翻译 类型: 翻译 参数: eng-lit 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng lit devtest 指标:
    • 名称: BLEU 类型: bleu 值: 28.0
  • 任务: 名称: 英语到立陶宛语翻译 类型: 翻译 参数: eng-lit 数据集: 名称: newsdev2019 类型: newsdev2019 参数: eng-lit 指标:
    • 名称: BLEU 类型: bleu 值: 26.6
  • 任务: 名称: 英语到立陶宛语翻译 类型: 翻译 参数: eng-lit 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-lit 指标:
    • 名称: BLEU 类型: bleu 值: 39.5
  • 任务: 名称: 英语到立陶宛语翻译 类型: 翻译 参数: eng-lit 数据集: 名称: newstest2019 类型: wmt-2019-news 参数: eng-lit 指标:
    • 名称: BLEU 类型: bleu 值: 17.5

opus-mt-tc-big-en-lt

用于从英语（en）翻译成立陶宛语（lt）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。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OPUS-MT-train的程序。

• 相关出版物: 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} {--} 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: 立陶宛语
• 模型类型: 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
• 更多模型发布信息: OPUS-MT eng-lit 说明文件

使用方式

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "A cat was sitting on the chair.",
    "Yukiko likes potatoes."
]

model_name = "pytorch-models/opus-mt-tc-big-en-lt"
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:
#     Katė sėdėjo ant kėdės.
#     Jukiko mėgsta bulves.

也可以使用transformers的pipelines功能，例如:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-lt")
print(pipe("A cat was sitting on the chair."))

# 预期输出: Katė sėdėjo ant kėdės.

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

该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: 3405783
• 转换时间: 2022年4月13日星期三EEST 17:42:39
• 转换机器: LM0-400-22516.local