/ Модель

Характеристики

Контекст
1 024 токена
Параметры
2,1 млрд
Размер весов
13,4 ГБ
Архитектура
m2m_100 · dense
Базовая модель
nllb-200-3.3B
Библиотека
transformers
Опубликована
11 сен 2024

nllb-enhanced-darija-eng_v1.1

Генерация текстаТекст → текст3 профессии

Дообученная на парах предложений дарижа и английского модель NLLB-200 для перевода между марокканским арабским диалектом и английским.

100скачиваний за 30 дней0лайковвеса обновлены14 сен 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель nllb-enhanced-darija-eng_v1.1 разработана Anas ABERCHIH и представляет собой дообученную версию NLLB-200 3.3B на 40 тысячах пар предложений для перевода между марокканским арабским диалектом дарижа и английским. Это плотная модель семейства M2M-100 с архитектурой M2M100ForConditionalGeneration, рассчитанная на обработку текста; для загрузки весов используется Transformers, формат файлов — safetensors. Размер модели составляет 2,1 млрд параметров, длина контекста — 1024 токена.

Модель предназначена для перевода дарижи на английский и английского на дарижу. Её можно применять для локализации материалов для марокканской аудитории, понимания неформальных публикаций и социальных сетей, а также в учебных инструментах и системах перевода. Автор указывает, что проект продолжает развиваться и обучаться на дополнительных данных.

Качество может снижаться на сложных текстах, редких словах, региональных вариантах дарижи и культурно обусловленных выражениях. Модель не предназначена для других арабских диалектов, современного литературного арабского или устной речи; критически важные переводы следует проверять человеком. Лицензия в предоставленных данных не указана.

Сценарии применения

  • перевод дарижи на английский
  • перевод английского на марокканский диалект дарижа
  • перевод публикаций марокканских соцсетей
  • локализация материалов для марокканской аудитории
  • подготовка учебных материалов для изучающих дарижу и английский

Ограничения

Качество может зависеть от сложности текста, редких слов и региональных особенностей дарижи; модель не предназначена для других арабских диалектов, литературного арабского или речи. Для юридических, медицинских и других критически важных переводов требуется проверка специалистом.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NLLB Enhanced Darija-English Translation Model

This is an ongoing project, constantly improving as the model is training on more data.

Model Details

  • Model Name: nllb-enhanced-darija-eng_v1.1
  • Base Model: facebook/nllb-200-3.3B
  • Model Type: Fine-tuned translation model
  • Languages: Moroccan Arabic (Darija) ↔ English
  • Developer: Anas ABERCHIH

Model Description

This model is a fine-tuned version of Facebook's NLLB-200 3.3B model, specifically optimized for translation between Moroccan Arabic (Darija) and English. It leverages the power of the base NLLB model while being tailored for the nuances of Darija, making it particularly effective for Moroccan Arabic to English translations and vice versa.

Training Data

For now, the model is trained on a dataset of 40,000 sentence pairs:

  • Training set: 32,780 pairs
  • Validation set: 5,785 pairs
  • Test set: 6,806 pairs

Each entry in the dataset contains:

  • Darija text (Arabic script)
  • English translation

Training Procedure

  • Training Duration: Approximately 5 hours (18,053 seconds)
  • Number of Epochs: 5
  • Final Training Loss: 1.5218
  • Training Samples per Second: 9.078
  • Training Steps per Second: 0.071

Intended Use

This model is intended to be used directly for translating text from Moroccan Arabic (Darija) to English. It can be deployed in various applications requiring translation services.

Direct Use

This model is designed for:

  1. Translating Moroccan Arabic (Darija) text to English
  2. Translating English text to Moroccan Arabic (Darija)

It can be particularly useful for:

  • Localization of content for Moroccan audiences
  • Cross-cultural communication between Darija speakers and English speakers
  • Assisting in the understanding of Moroccan social media content, informal writing, or dialect-heavy texts

Downstream Use

The model can be integrated into various applications, such as:

  • Machine translation systems focusing on Moroccan content
  • Chatbots or virtual assistants for Moroccan users
  • Content analysis tools for Moroccan social media or web content
  • Educational tools for language learners (both Darija and English)

Limitations and Bias

The model's performance may be influenced by biases present in the training data, such as the representation of certain dialectal variations or cultural nuances. Additionally, the model's accuracy may vary depending on the complexity of the text being translated and the presence of out-of-vocabulary words.

Out-of-Scope Use

This model should not be used for:

  1. Legal or medical translations where certified human translators are required
  2. Translating other Arabic dialects or Modern Standard Arabic (MSA) to English (or vice versa)
  3. Understanding or generating spoken language directly (it's designed for text)

Recommendations

  • Always review the output for critical applications, especially when dealing with nuanced or context-dependent content
  • Be aware that the model may not capture all regional variations within Moroccan Arabic
  • For formal or professional content, consider post-editing by a human translator

How to Get Started

To use this model:

  1. Install the Transformers library:

    pip install transformers
    
  2. Load the model and tokenizer:

    from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
    
    model_name = "AnasAber/nllb-enhanced-darija-eng_v1.1"
    model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
    tokenizer = AutoTokenizer.from_pretrained(model_name)
    
  3. Translate text:

    def translate(text, src_lang, tgt_lang):
        inputs = tokenizer(text, return_tensors="pt")
        translated = model.generate(**inputs, forced_bos_token_id=tokenizer.lang_code_to_id[tgt_lang])
        return tokenizer.batch_decode(translated, skip_special_tokens=True)[0]
    
    # Darija to English
    darija_text = "كيفاش نقدر نتعلم الإنجليزية بسرعة؟"
    english_translation = translate(darija_text, src_lang="ary_Arab", tgt_lang="eng_Latn")
    print(english_translation)
    
    # English to Darija
    english_text = "How can I learn English quickly?"
    darija_translation = translate(english_text, src_lang="eng_Latn", tgt_lang="ary_Arab")
    print(darija_translation)
    

Remember to handle exceptions and implement proper error checking in production environments.

Ethical Considerations

  • Respect privacy and data protection laws when using this model with user-generated content
  • Be aware of potential biases in the training data that may affect translations
  • Use the model responsibly and avoid applications that could lead to discrimination or harm

Citations

[Include any relevant citations or references here]

Contact Information

For questions or feedback about this model, please contact Anas ABERCHIH at [https://www.linkedin.com/in/anas-aberchih-%F0%9F%87%B5%F0%9F%87%B8-b6007121b/] or [https://github.com/AnasAber].

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
M2M100ForConditionalGeneration
Ревизия весов
c63968f

0 моделей