/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
54,9 млн
Лицензия
Apache 2.0
Архитектура
marian · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

opus-mt-de-en

Helsinki-NLP
ПереводТекст → текст5 профессий

Модель OPUS-MT переводит тексты с немецкого на английский.

368 тыс.скачиваний за 30 дней50лайковвеса обновлены16 авг 2023

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.

Открыть конструктор бенчмарка

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

Helsinki-NLP/opus-mt-de-en — модель машинного перевода немецкого текста на английский из семейства OPUS-MT, разработанная Helsinki-NLP. Она основана на архитектуре Transformer и реализована как MarianMTModel; в обучении использовались данные OPUS, нормализация текста и токенизация SentencePiece. Размер модели — 54,9 млн параметров, контекст — до 512 токенов. Репозиторий содержит веса PyTorch и TensorFlow.

Модель предназначена для перевода отдельных текстов, документов и новостных материалов с немецкого на английский. В карточке приведены результаты на нескольких тестовых наборах новостного перевода: BLEU от 26,8 до 29,4. Модель специализирована на одной языковой паре, поэтому не предназначена для перевода на другие языки. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • перевод немецких новостных статей на английский
  • перевод немецких документов на английский
  • перевод немецких писем и сообщений
  • перевод немецких фрагментов текста в приложениях и сервисах

Ограничения

Модель рассчитана только на перевод с немецкого на английский и имеет контекст длиной до 512 токенов. Приведённые в карточке метрики относятся к тестовым наборам новостного перевода и не характеризуют все типы текстов.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594моделиIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

opus-mt-de-en

Benchmarks

testsetBLEUchr-F
newssyscomb2009.de.en29.40.557
news-test2008.de.en27.80.548
newstest2009.de.en26.80.543
newstest2010.de.en30.20.584
newstest2011.de.en27.40.556
newstest2012.de.en29.10.569
newstest2013.de.en32.10.583
newstest2014-deen.de.en34.00.600
newstest2015-ende.de.en34.20.599
newstest2016-ende.de.en40.40.649
newstest2017-ende.de.en35.70.610
newstest2018-ende.de.en43.70.667
newstest2019-deen.de.en40.10.642
Tatoeba.de.en55.40.707

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MarianMTModel
Ревизия весов
1a922f3

0 моделей

    Создать бенчмарк