opus-mt-tc-big-cat_oci_spa-en

神经机器翻译模型，用于将加泰罗尼亚语、奥克西唐语和西班牙语（cat+oci+spa）翻译为英语（en）。

该模型是 OPUS-MT project 的一部分，旨在使神经机器翻译模型广泛可用并对世界上许多语言进行访问。所有模型最初都是使用令人惊叹的 Marian NMT 框架进行训练的，该框架是用纯C++编写的高效NMT实现。这些模型已使用huggingface的transformers库转换为pyTorch。训练数据来自 OPUS ，并且训练流程使用了 OPUS-MT-train 的程序。

• 出版物： OPUS-MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （请在使用此模型时引用。）

@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：2022-03-13
• 源语言：cat spa
• 目标语言：eng
• 模型：transformer-big
• 数据：opusTCv20210807+bt（ source ）
• 标记化：SentencePiece（spm32k，spm32k）
• 原始模型： opusTCv20210807+bt_transformer-big_2022-03-13.zip
• 更多信息发布的模型： OPUS-MT cat+oci+spa-eng README

用法

简单示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "¿Puedo hacerte una pregunta?",
    "Toca algo de música."
]

model_name = "pytorch-models/opus-mt-tc-big-cat_oci_spa-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) )

# expected output:
#     Can I ask you a question?
#     He plays some music.

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

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-cat_oci_spa-en")
print(pipe("¿Puedo hacerte una pregunta?"))

# expected output: Can I ask you a question?

基准测试

• 测试集翻译： opusTCv20210807+bt_transformer-big_2022-03-13.test.txt
• 测试集分数： 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

本工作得到 European Language Grid 的支持，作为 pilot project 2866 的一部分，受 FoTran project 的资助，该项目由欧洲研究理事会 (ERC) 在欧洲联盟的Horizon 2020研究与创新计划（赠款协议号 771113）下，以及由欧盟Horizon 2020研究与创新计划在赠款协议号 780069 下的 MeMAD project 提供资金支持。我们还感谢 CSC -- IT Center for Science 在芬兰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：3405783
• 转换时间：2022年4月13日18:30:38 EEST
• 转换机器：LM0-400-22516.local