opus-mt-tc-big-en-pt

神经机器翻译模型，用于将英语（en）翻译成葡萄牙语（pt）。

该模型是 OPUS-MT project 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。所有模型最初使用纯C++编写的令人惊叹的 Marian NMT 框架进行训练。使用转换器库（由huggingface编写）将模型转换为pyTorch。训练数据来自 OPUS ，训练流程使用 OPUS-MT-train 的程序。

• 发表文章： OPUS-MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （如果使用此模型，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：2022-03-13
• 源语言：eng
• 目标语言：pob por
• 有效目标语言标签：>>pob<< >>por<<
• 模型：transformer-big
• 数据：opusTCv20210807+bt（ source ）
• 分词：SentencePiece（spm32k,spm32k）
• 原始模型： opusTCv20210807+bt_transformer-big_2022-03-13.zip
• 更多已发布模型的信息： OPUS-MT eng-por README
• 有关模型的更多信息： MarianMT

这是一个多语言翻译模型，具有多个目标语言。需要以表单形式提供句子的初始语言令牌，例如 >>id<<（id = 有效的目标语言ID），例如 >>pob<<

使用方法

简短示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>por<< Tom tried to stab me.",
    ">>por<< He has been to Hawaii several times."
]

model_name = "pytorch-models/opus-mt-tc-big-en-pt"
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:
#     O Tom tentou esfaquear-me.
#     Ele já esteve no Havaí várias vezes.

您还可以使用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-en-pt")
print(pipe(">>por<< Tom tried to stab me."))

# expected output: O Tom tentou esfaquear-me.

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

这项工作得到了 European Language Grid 的支持，作为 pilot project 2866 ，由 FoTran project 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（资助协议号：771113）和 MeMAD project 资助。我们还感谢 CSC -- IT Center for Science 提供的慷慨的计算资源和IT基础设施，芬兰。

模型转换信息

• transformers 版本：4.16.2
• OPUS-MT git哈希值：3405783
• 转换时间：Wed Apr 13 17:48:54 EEST 2022
• 转换机器：LM0-400-22516.local