语言:

• 白俄罗斯语
• 德语
• 俄语
• 乌克兰语
• 东斯拉夫语族 标签:
• 翻译
• opus-mt-tc 许可证: cc-by-4.0 模型索引:
• 名称: opus-mt-tc-big-de-zle 结果:
  • 任务: 名称: 翻译 德语-俄语 类型: 翻译 参数: deu-rus 数据集: 名称: flores101-devtest 类型: flores_101 参数: deu rus devtest 指标:
    • 名称: BLEU 类型: bleu 值: 26.3
  • 任务: 名称: 翻译 德语-乌克兰语 类型: 翻译 参数: deu-ukr 数据集: 名称: flores101-devtest 类型: flores_101 参数: deu ukr devtest 指标:
    • 名称: BLEU 类型: bleu 值: 24.2
  • 任务: 名称: 翻译 德语-白俄罗斯语 类型: 翻译 参数: deu-bel 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: deu-bel 指标:
    • 名称: BLEU 类型: bleu 值: 29.5
  • 任务: 名称: 翻译 德语-俄语 类型: 翻译 参数: deu-rus 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: deu-rus 指标:
    • 名称: BLEU 类型: bleu 值: 46.1
  • 任务: 名称: 翻译 德语-乌克兰语 类型: 翻译 参数: deu-ukr 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: deu-ukr 指标:
    • 名称: BLEU 类型: bleu 值: 40.7
  • 任务: 名称: 翻译 德语-俄语 类型: 翻译 参数: deu-rus 数据集: 名称: newstest2012 类型: wmt-2012-news 参数: deu-rus 指标:
    • 名称: BLEU 类型: bleu 值: 20.8
  • 任务: 名称: 翻译 德语-俄语 类型: 翻译 参数: deu-rus 数据集: 名称: newstest2013 类型: wmt-2013-news 参数: deu-rus 指标:
    • 名称: BLEU 类型: bleu 值: 24.9

opus-mt-tc-big-de-zle

这是一个用于从德语(de)翻译到东斯拉夫语族(zle)的神经机器翻译模型。

该模型是OPUS-MT项目的一部分，旨在让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。训练数据来自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} {--} 为世界构建开放的翻译服务",
    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 = "里斯本, 葡萄牙",
    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 {--} 为低资源和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: 2022-03-23
• 源语言: 德语(deu)
• 目标语言: 白俄罗斯语(bel)、俄语(rus)、乌克兰语(ukr)
• 有效目标语言标签: >>bel<< >>rus<< >>ukr<<
• 模型架构: transformer-big
• 数据: opusTCv20210807 (来源)
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807_transformer-big_2022-03-23.zip
• 更多已发布模型信息: OPUS-MT deu-zle 自述文件
• 更多关于模型的信息: MarianMT

这是一个多目标语言的翻译模型。需要在句子开头添加语言标记，格式为>>id<<（id = 有效目标语言ID），例如>>bel<<。

使用示例

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>ukr<< 士兵给了我水。",
    ">>ukr<< 我不想在这里吃饭。"
]

model_name = "pytorch-models/opus-mt-tc-big-de-zle"
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:
#     Солдат дав мені воду.
#     Я не хочу тут їсти.

也可以使用transformers的pipeline:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-zle")
print(pipe(">>ukr<< 士兵给了我水。"))

# 预期输出: Солдат дав мені воду.

基准测试

• 测试集翻译: opusTCv20210807_transformer-big_2022-03-23.test.txt
• 测试集分数: opusTCv20210807_transformer-big_2022-03-23.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的支持，以及由欧洲研究理事会(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，和欧盟Horizon 2020研究与创新计划(资助协议编号780069)资助的MeMAD项目。我们也感谢CSC – 芬兰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哈希值: 1bdabf7
• 转换时间: 2022年3月24日 东欧标准时间 01:29:09
• 转换机器: LM0-400-22516.local