/ Модель

Характеристики

Контекст
1 024 токена
Параметры
665 млн
Лицензия
CC BY-NC 4.0
Архитектура
m2m_100 · dense
Опубликована
5 мар 2026

nirukti-translate-1.3b

ПереводТекст → текст5 профессий

Модель переводит между английским и 55 индийскими языками, в том числе языками с ограниченными ресурсами.

72скачиваний за 30 дней0лайковвеса обновлены5 мар 2026

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 Anonym-050326/nirukti-translate-1.3b — дообученная модель перевода для английского и 55 индийских языков, включая 33 языка с ограниченными ресурсами. Она переводит в обоих направлениях: с английского на поддерживаемый индийский язык и обратно. Архитектура — encoder-decoder на основе M2M-100; в карточке указано 665 млн параметров, а README заявляет 1,3 млрд, поэтому размер модели по источникам расходится. Контекст — 1024 токена; репозиторий содержит веса Safetensors.

Модель предназначена для перевода региональных языков, в том числе в сценариях с малым объёмом обучающих данных. При дообучении использовались LoRA-адаптеры, объединённые с базовыми весами, и расширенный словарь. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Сценарии применения

  • перевод с английского на ассамский
  • перевод с тамильского на английский
  • перевод между английским и языками Индии с малым объёмом данных
  • локализация информационных материалов на индийские языки

Ограничения

Качество для 33 языков с ограниченными ресурсами ниже, чем для более представленных языков; оно также различается в зависимости от письменности. Неформальные и разговорные тексты и очень короткие предложения могут переводиться хуже.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Indic Translation Model — 55 Indian Languages

A fine-tuned translation model supporting 55 Indian languages including 33 low-resource languages. Translates bidirectionally between English and any supported Indic language.

Key Features

  • 55 Indian languages — covers both major and low-resource regional languages
  • Bidirectional — English to Indic and Indic to English
  • 1.3B parameter encoder-decoder model, ready to use out of the box
  • Fast inference — supports CTranslate2 int8 quantization for production deployments
  • Extended vocabulary — 256,243 tokens with 33 newly added language codes

Supported Languages

LanguageCodeScriptLanguageCodeScript
Ahiraniahr_DevaDevanagariKumaonikfy_DevaDevanagari
Assameseasm_BengBengaliKurukhkru_DevaDevanagari
Awadhiawa_DevaDevanagariKutchikfr_DevaDevanagari
Baghelibfy_DevaDevanagariMagahimag_DevaDevanagari
Bagribgq_DevaDevanagariMaithilimai_DevaDevanagari
Banjaribrj_DevaDevanagariMalayalammal_MlymMalayalam
Bengaliben_BengBengaliManipurimni_BengBengali
Bhilibhb_DevaDevanagariManipurimni_MteiMeitei Mayek
Bhojpuribho_DevaDevanagariMarathimar_DevaDevanagari
Bodobrx_DevaDevanagariMarwarimwr_DevaDevanagari
Braj Bhashabra_DevaDevanagariMewarimtr_DevaDevanagari
Bundelibns_DevaDevanagariMizolus_LatnLatin
Chhattisgarhihne_DevaDevanagariNepalinpi_DevaDevanagari
Dakhinidcc_DevaDevanagariOdiaory_OryaOdia
Dogridoi_DevaDevanagariPahariphr_DevaDevanagari
Garhwaligbm_DevaDevanagariPunjabipan_GuruGurmukhi
Garogrt_LatnLatinRajasthaniraj_DevaDevanagari
Gondigon_DevaDevanagariSambalpurispv_OryaOdia
Gujaratiguj_GujrGujaratiSanskritsan_DevaDevanagari
Haryanvibgc_DevaDevanagariSantalisat_OlckOl Chiki
Hindihin_DevaDevanagariSindhisnd_ArabArabic
Hohoc_DevaDevanagariSorasrb_LatnLatin
Kangrixnr_DevaDevanagariTamiltam_TamlTamil
Kannadakan_KndaKannadaTelugutel_TeluTelugu
Kashmirikas_ArabArabicTulutcy_KndaKannada
Kashmirikas_DevaDevanagariUrduurd_ArabArabic
Khasikha_LatnLatinWagdiwbr_DevaDevanagari
Khorthakho_DevaDevanagari
Kodavakfa_KndaKannada
Konkanikok_DevaDevanagari

How to Use

Quick Start (Transformers)

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# Load model
model = AutoModelForSeq2SeqLM.from_pretrained("Anonym-050326/nirukti-translate-1.3b")
tokenizer = AutoTokenizer.from_pretrained("Anonym-050326/nirukti-translate-1.3b")

# Translate English to Hindi
tokenizer.src_lang = "eng_Latn"
inputs = tokenizer("Hello, how are you?", return_tensors="pt")
translated = model.generate(
    **inputs,
    forced_bos_token_id=tokenizer.convert_tokens_to_ids("hin_Deva"),
    max_new_tokens=128,
)
print(tokenizer.decode(translated[0], skip_special_tokens=True))

CTranslate2 (Fastest — Recommended for Production)

import ctranslate2
from transformers import AutoTokenizer

translator = ctranslate2.Translator("ct2-int8", device="cuda", compute_type="int8_float16")
tokenizer = AutoTokenizer.from_pretrained("Anonym-050326/nirukti-translate-1.3b")
tokenizer.src_lang = "eng_Latn"

text = "Hello, how are you?"
encoded = tokenizer(text, return_tensors=None, max_length=256, truncation=True)
tokens = tokenizer.convert_ids_to_tokens(encoded["input_ids"])

result = translator.translate_batch([tokens], target_prefix=[["hin_Deva"]], beam_size=5)
output_tokens = result[0].hypotheses[0][1:]  # skip language token
output_ids = tokenizer.convert_tokens_to_ids(output_tokens)
print(tokenizer.decode(output_ids, skip_special_tokens=True))

Translating Between Any Language Pair

Set tokenizer.src_lang to the source language code and use the target code as forced_bos_token_id (Transformers) or target_prefix (CTranslate2).

# Tamil to English
tokenizer.src_lang = "tam_Taml"
# forced_bos_token_id=tokenizer.convert_tokens_to_ids("eng_Latn")

# English to Marwari
tokenizer.src_lang = "eng_Latn"
# forced_bos_token_id=tokenizer.convert_tokens_to_ids("mwr_Deva")

Testing Scripts

This repository includes evaluation and testing scripts in the testing_scripts/ directory:

ScriptDescription
testing_scripts/run_evaluation.pyMulti-GPU evaluation runner (BLEU + chrF++)
testing_scripts/download_datasets.pyDownload standard Indic translation benchmarks
testing_scripts/excel_to_csv.pyConvert Excel test datasets to evaluation format

Running Evaluation

# 1. Convert to CTranslate2 int8 for fast inference
ct2-opennmt-py-converter --model_path Anonym-050326/nirukti-translate-1.3b --output_dir ct2-int8 --quantization int8

# 2. Download benchmark datasets
python testing_scripts/download_datasets.py --output-dir eval_data

# 3. Run multi-GPU evaluation
python testing_scripts/run_evaluation.py \
    --model ct2-int8 \
    --tokenizer Anonym-050326/nirukti-translate-1.3b \
    --manifest eval_data/manifest.json \
    --output-dir results \
    --num-gpus 4 --batch-size 64 --beam-size 5

Training Details

Architecture

  • Base: 1.3B parameter encoder-decoder translation model
  • Fine-tuning: LoRA (rank 32, alpha 64) on attention + FFN layers, merged into base weights
  • Trainable parameters: ~0.75% of total during training
  • 2-stage training: embedding divergence followed by LoRA fine-tuning

Hyperparameters

ParameterValue
Learning rate3e-5 (cosine schedule)
Warmup steps1,000
Effective batch size256
Epochs5
Max sequence length128 tokens
PrecisionBF16
Label smoothing0.1
Language balancingTemperature sampling (T=5.0)

Training Data

Trained on a curated combination of parallel corpora covering all 55 languages, with hash-based deduplication and quality filtering. Low-resource language pairs are upsampled using temperature-based balancing to ensure adequate representation.

Compute

  • Training: 2x NVIDIA A100-SXM4-80GB, PyTorch DDP
  • Inference: CTranslate2 int8 quantization

Limitations

  • Low-resource languages (33 newly added) have less training data and lower translation quality than high-resource languages
  • Performance varies by script — languages with multiple script variants may show different quality levels
  • Training data is primarily from news, government, and religious domains; informal or conversational text may translate differently
  • Very short sentences (1-5 words) are harder for the model due to limited context

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
M2M100ForConditionalGeneration
Ревизия весов
8dd8835

0 моделей