语言:

• 英语
• 拉脱维亚语 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-lv 结果:
  • 任务: 名称: 英语-拉脱维亚语翻译 类型: 翻译 参数: eng-lav 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng lav devtest 指标:
    • 名称: BLEU 类型: bleu 值: 30.1
  • 任务: 名称: 英语-拉脱维亚语翻译 类型: 翻译 参数: eng-lav 数据集: 名称: newsdev2017 类型: newsdev2017 参数: eng-lav 指标:
    • 名称: BLEU 类型: bleu 值: 28.9
  • 任务: 名称: 英语-拉脱维亚语翻译 类型: 翻译 参数: eng-lav 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-lav 指标:
    • 名称: BLEU 类型: bleu 值: 44.0
  • 任务: 名称: 英语-拉脱维亚语翻译 类型: 翻译 参数: eng-lav 数据集: 名称: newstest2017 类型: wmt-2017-news 参数: eng-lav 指标:
    • 名称: BLEU 类型: bleu 值: 22.1

opus-mt-tc-big-en-lv

用于从英语(en)翻译到拉脱维亚语(lv)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可访问。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。训练数据取自OPUS，训练流程使用了OPUS-MT-train的程序。

• 相关论文: OPUS-MT – 构建面向全球的开放翻译服务 和 Tatoeba翻译挑战赛 – 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} {--} 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翻译挑战赛 {--} 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: 2022-03-13
• 源语言: 英语
• 目标语言: 拉脱维亚语
• 模型架构: transformer-big
• 训练数据: opusTCv20210807+bt (来源)
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-03-13.zip
• 更多模型发布信息: OPUS-MT eng-lav 说明文档

使用示例

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>lav<< 一天有二十四小时。",
    ">>ltg<< 他是个好律师。"
]

model_name = "pytorch-models/opus-mt-tc-big-en-lv"
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:
#     Dienā ir divdesmit četras stundas.
#     Vyss ir labs advokats.

也可使用transformers的pipeline功能:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-lv")
print(pipe(">>lav<< 一天有二十四小时。"))

# 预期输出: Dienā ir divdesmit četras stundas.

性能评估

• 测试集翻译结果: opusTCv20210807+bt_transformer-big_2022-03-13.test.txt
• 测试集分数: 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(资助协议号771113)支持，以及MeMAD项目资助，该项目受欧盟Horizon 2020研究与创新计划资助(资助协议号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。

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 17:36:04
• 转换机器: LM0-400-22516.local