语言:

• 英语
• 意大利语 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-it 结果:
  • 任务: 名称: 英语-意大利语翻译 类型: 翻译 参数: eng-ita 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng ita devtest 指标:
    • 名称: BLEU 类型: bleu 值: 29.6
  • 任务: 名称: 英语-意大利语翻译 类型: 翻译 参数: eng-ita 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-ita 指标:
    • 名称: BLEU 类型: bleu 值: 53.9
  • 任务: 名称: 英语-意大利语翻译 类型: 翻译 参数: eng-ita 数据集: 名称: newstest2009 类型: wmt-2009-news 参数: eng-ita 指标:
    • 名称: BLEU 类型: bleu 值: 31.6

opus-mt-tc-big-en-it

用于从英语（en）翻译到意大利语（it）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: 2022-03-13
• 源语言: 英语
• 目标语言: 意大利语
• 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_2022-03-13.zip
• 更多模型发布信息: OPUS-MT eng-ita README

使用示例

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "He was always very respectful.",
    "This cat is black. Is the dog, too?"
]

model_name = "pytorch-models/opus-mt-tc-big-en-it"
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:
#     Era sempre molto rispettoso.
#     Questo gatto e' nero, e' anche il cane?

也可以使用transformers的pipeline功能:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-it")
print(pipe("He was always very respectful."))

# 预期输出: Era sempre molto rispettoso.

基准测试

• 测试集翻译: 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、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)资助的FoTran项目，以及欧盟Horizon 2020研究与创新计划(资助协议编号780069)资助的MeMAD项目的支持。同时感谢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 17:27:22
• 转换机器: LM0-400-22516.local