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-zle-en 结果:
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: flores101-devtest 类型: flores_101 参数: 俄语 英语 开发测试集 指标:
    • 名称: BLEU 类型: bleu 值: 35.2
  • 任务: 名称: 乌克兰语-英语翻译 类型: 翻译 参数: 乌克兰语-英语 数据集: 名称: flores101-devtest 类型: flores_101 参数: 乌克兰语 英语 开发测试集 指标:
    • 名称: BLEU 类型: bleu 值: 39.2
  • 任务: 名称: 白俄罗斯语-英语翻译 类型: 翻译 参数: 白俄罗斯语-英语 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: 白俄罗斯语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 48.1
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 57.4
  • 任务: 名称: 乌克兰语-英语翻译 类型: 翻译 参数: 乌克兰语-英语 数据集: 名称: tatoeba-test-v2021-08-07 类型: tatoeba_mt 参数: 乌克兰语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 56.9
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: tico19-test 类型: tico19-test 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 33.3
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2012 类型: wmt-2012-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 39.2
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2013 类型: wmt-2013-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 31.3
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2014 类型: wmt-2014-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 40.5
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2015 类型: wmt-2015-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 36.1
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2016 类型: wmt-2016-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 35.7
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2017 类型: wmt-2017-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 40.8
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2018 类型: wmt-2018-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 35.2
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2019 类型: wmt-2019-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 41.6
  • 任务: 名称: 俄语-英语翻译 类型: 翻译 参数: 俄语-英语 数据集: 名称: newstest2020 类型: wmt-2020-新闻 参数: 俄语-英语 指标:
    • 名称: BLEU 类型: bleu 值: 36.9

opus-mt-tc-big-zle-en

用于从东斯拉夫语言（zle）翻译到英语（en）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可访问。所有模型最初都是使用Marian NMT这一出色的框架训练的，这是一个用纯C++编写的高效NMT实现。这些模型已通过huggingface的transformers库转换为pyTorch。训练数据来自OPUS，训练流程使用了OPUS-MT-train的程序。

• 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（使用时请引用）

@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 = "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 {--} 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: 2022-03-17
• 源语言: 白俄罗斯语、俄语、乌克兰语
• 目标语言: 英语
• 模型: transformer-big
• 数据: opusTCv20210807+bt (来源)
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+bt_transformer-big_2022-03-17.zip
• 更多已发布模型信息: OPUS-MT zle-eng 自述文件

使用方式

简短示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "我应该买多少啤酒？",
    "我是客户。"
]

model_name = "pytorch-models/opus-mt-tc-big-zle-en"
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:
#     我应该买多少啤酒？
#     我是客户。

您也可以使用transformers的pipelines来使用OPUS-MT模型，例如:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-zle-en")
print(pipe("我应该买多少啤酒？"))

# 预期输出: 我应该买多少啤酒？

基准测试

• 测试集翻译: opusTCv20210807+bt_transformer-big_2022-03-17.test.txt
• 测试集分数: opusTCv20210807+bt_transformer-big_2022-03-17.eval.txt
• 基准测试结果: benchmark_results.txt
• 基准测试输出: benchmark_translations.zip