语言:

• 英语
• 芬兰语

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-fi 结果:
  • 任务: 名称: 英语-芬兰语翻译 类型: 翻译 参数: eng-fin 数据集: 名称: flores101-devtest 类型: flores_101 参数: eng fin devtest 指标:
    • 名称: BLEU 类型: bleu 值: 27.6
  • 任务: 名称: 英语-芬兰语翻译 类型: 翻译 参数: eng-fin 数据集: 名称: newsdev2015 类型: newsdev2015 参数: eng-fin 指标:
    • 名称: BLEU 类型: bleu 值: 24.2
  • 任务: 名称: 英语-芬兰语翻译 类型: 翻译 参数: eng-fin 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: eng-fin 指标:
    • 名称: BLEU 类型: bleu 值: 39.3
  • 任务: 名称: 英语-芬兰语翻译 类型: 翻译 参数: eng-fin 数据集: 名称: newstest2015 类型: wmt-2015-news 参数: eng-fin 指标:
    • 名称: BLEU 类型: bleu 值: 26.4
  • 任务: 名称: 英语-芬兰语翻译 类型: 翻译 参数: eng-fin 数据集: 名称: newstest2016 类型: wmt-2016-news 参数: eng-fin 指标:
    • 名称: BLEU 类型: bleu 值: 28.8
  • 任务: 名称: 英语-芬兰语翻译 类型: 翻译 参数: eng-fin 数据集: 名称: newstest2017 类型: wmt-2017-news 参数: eng-fin 指标:
    • 名称: BLEU 类型: bleu 值: 31.3
  • 任务: 名称: 英语-芬兰语翻译 类型: 翻译 参数: eng-fin 数据集: 名称: newstest2019 类型: wmt-2019-news 参数: eng-fin 指标:
    • 名称: BLEU 类型: bleu 值: 26.4

opus-mt-tc-big-en-fi

用于从英语（en）翻译到芬兰语（fi）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。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（使用此模型时请引用）

@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: 2022-03-09
• 源语言: 英语
• 目标语言: 芬兰语
• 有效目标语言标签: >>fin<<
• 模型架构: transformer (big)
• 数据: opusTCv20210807+bt (来源)
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-03-09.zip
• 更多已发布模型信息: OPUS-MT eng-fin 自述文件
• 关于模型的更多信息: MarianMT

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

使用方式

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Russia is big.",
    "Touch wood!"
]

model_name = "pytorch-models/opus-mt-tc-big-en-fi"
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:
#     Venäjä on suuri.
#     Kosketa puuta!

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-fi")
print(pipe("Russia is big."))

# 预期输出: Venäjä on suuri.

基准测试

• 测试集翻译: opusTCv20210807+bt_transformer-big_2022-03-09.test.txt
• 测试集得分: opusTCv20210807+bt_transformer-big_2022-03-09.eval.txt
• 基准测试结果: benchmark_results.txt
• 基准测试输出: benchmark_translations.zip

致谢

该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）资助，以及MeMAD项目，该项目受欧盟Horizon 2020研究与创新计划资助（资助协议编号780069）。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: f084bad
• 转换时间: 2022年3月22日星期二 EET 14:42:32
• 转换机器: LM0-400-22516.local