语言:

• 白俄罗斯语
• 英语
• 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-en-zle 结果:
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng rus devtest 指标:
    • 名称: BLEU 类型: bleu 值: 32.7
  • 任务: 名称: 英语-乌克兰语翻译 类型: 翻译 参数: eng-ukr 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng ukr devtest 指标:
    • 名称: BLEU 类型: bleu 值: 32.1
  • 任务: 名称: 英语-白俄罗斯语翻译 类型: 翻译 参数: eng-bel 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-bel 指标:
    • 名称: BLEU 类型: bleu 值: 24.9
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 45.5
  • 任务: 名称: 英语-乌克兰语翻译 类型: 翻译 参数: eng-ukr 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-ukr 指标:
    • 名称: BLEU 类型: bleu 值: 37.7
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: tico19-test 类型: tico19-test 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 33.7
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2012 类型: wmt-2012-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 36.8
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2013 类型: wmt-2013-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 26.9
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2014 类型: wmt-2014-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 43.5
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2015 类型: wmt-2015-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 34.9
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2016 类型: wmt-2016-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 33.1
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2017 类型: wmt-2017-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 37.3
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2018 类型: wmt-2018-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 32.9
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2019 类型: wmt-2019-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 31.8
  • 任务: 名称: 英语-俄语翻译 类型: 翻译 参数: eng-rus 数据集: 名称: newstest2020 类型: wmt-2020-news 参数: eng-rus 指标:
    • 名称: BLEU 类型: bleu 值: 25.5

opus-mt-tc-big-en-zle

用于从英语（en）翻译至东斯拉夫语族（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。所有模型最初均使用高效的纯C++编写的Marian NMT框架训练。模型已通过huggingface的transformers库转换为pyTorch格式。训练数据取自OPUS，训练流程采用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 – 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。）

模型信息

• 发布时间：2022-03-13
• 源语言：英语（eng）
• 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
• 数据来源：opusTCv20210807+bt（来源）
• 分词方法：SentencePiece（spm32k,spm32k）
• 原始模型：opusTCv20210807+bt_transformer-big_2022-03-13.zip
• 更多已发布模型信息：OPUS-MT eng-zle README
• 关于模型的更多信息：MarianMT

这是一个多目标语言的翻译模型。需要在句子前添加形式为>>id<<（id为有效目标语言ID）的语言标记，例如>>bel<<。

使用示例

简短示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>rus<< Are they coming as well?",
    ">>rus<< I didn't let Tom do what he wanted to do."
]

model_name = "pytorch-models/opus-mt-tc-big-en-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：
#     Они тоже приедут?
#     Я не позволил Тому сделать то, что он хотел.

也可以使用transformers的pipeline功能，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-zle")
print(pipe(">>rus<< Are they coming as well?"))

# 预期输出：Они тоже приедут?

性能评估

• 测试集翻译结果：opusTCv20210807+bt_transformer-big_2022-03-13.test.txt
• 测试集得分：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

本工作由欧洲语言网格作为试点项目2866、由FoTran项目（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）以及MeMAD项目（欧盟Horizon 2020研究与创新计划资助，协议编号780069）支持