库名称：transformers
标签：

• 翻译
• 藏语
• 佛教
• 佛法
  许可证：mit
  语言：
• bo（藏语）
• en（英语）
  评估指标：
• bleu
• ter
• chrf
  基础模型：
• google-t5/t5-small
  流水线标签：translation

模型卡片：mlotsawa-ground-small

本模型是一个基于transformers的机器翻译模型，专为将藏传佛教文献翻译成英语而设计，隶属于更大的MLotsawa项目。

模型详情

模型描述

本模型是一个经过微调的T5模型（小型版本），包含6000万参数，专用于将藏传佛教文献从乌金体藏文翻译为英文。该模型使用**getok**分词器。训练数据与流程细节见下文。

作为基础模型，其性能虽已达标，但更适用于作为后续微调的基座——可通过更大规模语料或特定教派（如大圆满）语料进一步优化翻译质量。

• 开发者： billingsmoore
• 模型类型： 翻译
• 支持语言： 藏语、英语
• 许可证： MIT
• 微调基础模型： google-t5/t5-small

模型来源

• 代码库： GitHub上的MLotsawa

用途

本模型可直接用于翻译，或通过微调提升性能。

直接使用

通过transformers流水线直接调用（示例代码）：

from transformers import pipeline  

pipe = pipeline('translation', 'billingsmoore/mlotsawa-ground-small', device='cpu')  

input = ["ཁྱེད་ལ་བསྟོད་ཅིང་གསོལ་བ་བཏབ་པའི་མཐུས༔",  
"བདག་གི་ཚེ་བསོད་དཔལ་འབྱོར་རྒྱས་པ་དང་༔",  
"འཇིགས་པ་བཅུ་དྲུག་རྐྱེན་ངན་བར་ཆད་སོལ༔"]  

output = pipe(input)  

translation = [elt['translation_text'] for elt in output]  

print(translation)  

输出示例：

['Through the power of praising and praying to you', 'Increase my lifespan merit and prosperity', 'Remove the sixteen fears and obstacles of adversity.']

也可通过图形界面工具使用。

下游应用

通过额外微调可提升模型表现：

• 使用更大数据集增强通用性
• 针对特定文献（如大圆满典籍）专项优化

微调配方示例：

# 数据加载与模型准备代码（详见原文）  
...  

偏差、风险与局限

本模型仅适用于佛教文献翻译。鉴于文本的复杂性与重要性，所有译文均需经验丰富的译者复核后方可使用。此外，模型训练数据仅含藏传佛教内容，不适用于其他领域（如世俗藏语）。

训练详情

训练数据

861,417组藏英平行句对，来源包括公开资料及Monlam AI、藏喜马拉雅图书馆的授权数据。

训练流程

预训练

以3e-4学习率进行1轮跨度掩码重建训练，使模型适应新分词器及佛教文本特征。

微调

使用Adafactor优化器（初始学习率3e-4）进行50轮翻译任务微调。

评估

测试集指标：

虽然分数较低，实际翻译质量尚可。示例对比：

《转心向善教言》（康钦·阿旺巴赞著 | Joseph McClellan英译）

《离诸怖畏·圣度母祈请文》（色拉康卓著 | Adam Pearcey英译）

作者

billingsmoore

联系

billingsmoore[at]gmail[dot]com