语言:

• 英语
• 爱沙尼亚语 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-et 结果:
  • 任务: 名称: 英语-爱沙尼亚语翻译 类型: 翻译 参数: eng-est 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng est devtest 指标:
    • 名称: BLEU 类型: bleu 值: 28.3
  • 任务: 名称: 英语-爱沙尼亚语翻译 类型: 翻译 参数: eng-est 数据集: 名称: newsdev2018 类型: newsdev2018 参数: eng-est 指标:
    • 名称: BLEU 类型: bleu 值: 25.2
  • 任务: 名称: 英语-爱沙尼亚语翻译 类型: 翻译 参数: eng-est 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-est 指标:
    • 名称: BLEU 类型: bleu 值: 53.4
  • 任务: 名称: 英语-爱沙尼亚语翻译 类型: 翻译 参数: eng-est 数据集: 名称: newstest2018 类型: wmt-2018-news 参数: eng-est 指标:
    • 名称: BLEU 类型: bleu 值: 26.7

opus-mt-tc-big-en-et

用于从英语(en)翻译至爱沙尼亚语(et)的神经机器翻译模型。

该模型隶属于OPUS-MT项目，旨在为全球多种语言提供广泛可用的神经机器翻译模型。所有模型最初均采用纯C++编写的高效NMT实现框架Marian NMT进行训练，并通过huggingface的transformers库转换为pyTorch格式。训练数据来源于OPUS，训练流程遵循OPUS-MT-train的程序。

• 相关出版物: OPUS-MT – 构建面向世界的开放翻译服务 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} {--} 构建面向世界的开放翻译服务",
    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: 爱沙尼亚语
• 模型架构: transformer-big
• 训练数据: opusTCv20210807+bt (来源)
• 分词方法: 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-est 说明文档

使用示例

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>est<< 一辆出租车正在等候。",
    ">>vro<< 你住在哪里？"
]

model_name = "pytorch-models/opus-mt-tc-big-en-et"
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:
#     一辆出租车在等待。
#     你住在哪里？

也可使用transformers的pipeline功能:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-et")
print(pipe(">>est<< 一辆出租车正在等候。"))

# 预期输出: 一辆出租车在等待。

性能评估

• 测试集翻译结果: opusTCv20210807+bt_transformer-big_2022-03-13.test.txt
• 测试集评分: 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（资助协议编号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（资助协议编号780069）支持。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哈希值: 3405783
• 转换时间: 2022年4月13日星期三 EEST 17:00:19
• 转换机器: LM0-400-22516.local