/ Модель

Характеристики

Контекст
512 токенов
Параметры
55,2 млн
Лицензия
CC BY 4.0
Архитектура
marian · dense
Опубликована
11 окт 2022

opus-mt-tc-base-en-sh

ПереводТекст → текст3 профессии

Модель OPUS-MT переводит тексты с английского на сербохорватский, включая боснийский, хорватский, черногорский и сербский варианты.

540скачиваний за 30 дней1лайквеса обновлены10 окт 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.

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 OPUS-MT для машинного перевода с английского на сербохорватский разработана группой Language Technology Research Group Хельсинкского университета в рамках проекта OPUS-MT. Она построена на архитектуре MarianMT и содержит 55,2 млн параметров; исходная реализация на Marian NMT преобразована для использования с PyTorch и Transformers.

Модель предназначена для перевода текстов с английского на варианты сербохорватского: боснийский, хорватский, черногорский и сербский в латинице или кириллице. Это специализированная модель для перевода между указанными языками, а не универсальная языковая модель. В метаданных указан контекст до 512 токенов.

Обучение выполнено на данных OPUS с использованием процедур OPUS-MT-train. Модель распространяется по лицензии CC-BY-4.0, которая требует указания авторства.

Сценарии применения

  • перевод английских текстов на боснийский
  • перевод с английского на хорватский
  • перевод английского текста на сербский кириллицей или латиницей
  • перевод англоязычных материалов на черногорский

Ограничения

Модель предназначена для перевода только с английского на указанные южнославянские языковые варианты; контекст ограничен 512 токенами.

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

opus-mt-tc-base-en-sh

Table of Contents

Model Details

Neural machine translation model for translating from English (en) to Serbo-Croatian (sh).

This model is part of the OPUS-MT project, an effort to make neural machine translation models widely available and accessible for many languages in the world. All models are originally trained using the amazing framework of Marian NMT, an efficient NMT implementation written in pure C++. The models have been converted to pyTorch using the transformers library by huggingface. Training data is taken from OPUS and training pipelines use the procedures of OPUS-MT-train. Model Description:

This is a multilingual translation model with multiple target languages. A sentence initial language token is required in the form of >>id<< (id = valid target language ID), e.g. >>bos_Latn<<

Uses

This model can be used for translation and text-to-text generation.

Risks, Limitations and Biases

CONTENT WARNING: Readers should be aware that the model is trained on various public data sets that may contain content that is disturbing, offensive, and can propagate historical and current stereotypes.

Significant research has explored bias and fairness issues with language models (see, e.g., Sheng et al. (2021) and Bender et al. (2021)).

How to Get Started With the Model

A short example code:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>hrv<< You're about to make a very serious mistake.",
    ">>hbs<< I've just been too busy."
]

model_name = "pytorch-models/opus-mt-tc-base-en-sh"
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:
#     Ti si o tome napraviti vrlo ozbiljnu pogrešku.
#     [4]

You can also use OPUS-MT models with the transformers pipelines, for example:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-base-en-sh")
print(pipe(">>hrv<< You're about to make a very serious mistake."))

# expected output: Ti si o tome napraviti vrlo ozbiljnu pogrešku.

Training

Evaluation

langpairtestsetchr-FBLEU#sent#words
eng-bos_Latntatoeba-test-v2021-08-070.66646.33011650
eng-hbstatoeba-test-v2021-08-070.63142.11001763927
eng-hrvtatoeba-test-v2021-08-070.69149.714809396
eng-srp_Cyrltatoeba-test-v2021-08-070.64545.115809152
eng-srp_Latntatoeba-test-v2021-08-070.61339.8665643729
eng-hrvflores101-devtest0.58628.7101222423
eng-hrvflores200-dev0.5796328.199721567
eng-hrvflores200-devtest0.5865228.9101222423
eng-srp_Cyrlflores101-devtest0.5987431.7101223456
eng-srp_Cyrlflores200-dev0.6009632.299722384
eng-srp_Cyrlflores200-devtest0.5987431.7101223456

Citation Information

@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",
}

Acknowledgements

The work is supported by the European Language Grid as pilot project 2866, by the FoTran project, funded by the European Research Council (ERC) under the European Union’s Horizon 2020 research and innovation programme (grant agreement No 771113), and the MeMAD project, funded by the European Union’s Horizon 2020 Research and Innovation Programme under grant agreement No 780069. We are also grateful for the generous computational resources and IT infrastructure provided by CSC -- IT Center for Science, Finland.

Model conversion info

  • transformers version: 4.16.2
  • OPUS-MT git hash: e2a6299
  • port time: Tue Oct 11 10:14:32 CEST 2022
  • port machine: LM0-400-22516.local

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
8a5d73f

0 моделей