/ Модель

Характеристики

Контекст
1 024 токена
Параметры
164 млн
Лицензия
Apache 2.0
Архитектура
marian · dense
Библиотека
transformers
Опубликована
8 окт 2024

opus-mt-tc-bible-big-iir-en

ПереводТекст → текст

Модель OPUS-MT переводит тексты с индо-иранских языков на английский.

106скачиваний за 30 дней1лайквеса обновлены8 окт 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

Helsinki-NLP/opus-mt-tc-bible-big-iir-en — нейросетевая модель машинного перевода проекта OPUS-MT, разработанная Language Technology Research Group Хельсинкского университета. Она переводит текст с индо-иранских языков на английский и предназначена для многоязычного перевода, в том числе текстов из библейских параллельных корпусов.

Модель построена на архитектуре Marian Transformer-big и содержит 164,3 млн параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 1024 токена. Обучение выполнено на данных OPUS с использованием SentencePiece. В README приведена оценка chr-F 0,55062 и BLEU 36,4 на многоязычном тесте Tatoeba.

Модель доступна по лицензии Apache-2.0. Качество может различаться между поддерживаемыми языками и жанрами; обучающие открытые данные могут содержать оскорбительный контент и исторические или современные стереотипы.

Сценарии применения

  • перевод текстов на английский с бенгальского и ассамского
  • перевод текстов на английский с хинди, урду и непали
  • перевод текстов на английский с персидского и пушту
  • машинный перевод текстов из библейских корпусов
  • черновой перевод многоязычных текстов для последующей проверки

Ограничения

Качество перевода может заметно различаться между языками и типами текста. Обучающие наборы могут содержать оскорбительный контент и воспроизводить стереотипы.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

opus-mt-tc-bible-big-iir-en

Table of Contents

Model Details

Neural machine translation model for translating from Indo-Iranian languages (iir) to English (en).

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:

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 = [
    "یک جراح خوب دارای چشمی همانند عقاب، دلی مثل شیر و دستی زنانه است.",
    "میں اتنی اونچی چھلانگ کیسے لگائو؟"
]

model_name = "pytorch-models/opus-mt-tc-bible-big-iir-en"
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:
#     A healthy man has a good eye, as the eagle's, and a lion's heart, and a woman's hand.
#     How did I get so high?

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-bible-big-iir-en")
print(pipe("یک جراح خوب دارای چشمی همانند عقاب، دلی مثل شیر و دستی زنانه است."))

# expected output: A healthy man has a good eye, as the eagle's, and a lion's heart, and a woman's hand.

Training

Evaluation

langpairtestsetchr-FBLEU#sent#words
multi-engtatoeba-test-v2020-07-28-v2023-09-260.5506236.41000067843

Citation Information

@article{tiedemann2023democratizing,
  title={Democratizing neural machine translation with {OPUS-MT}},
  author={Tiedemann, J{\"o}rg and Aulamo, Mikko and Bakshandaeva, Daria and Boggia, Michele and Gr{\"o}nroos, Stig-Arne and Nieminen, Tommi and Raganato, Alessandro and Scherrer, Yves and Vazquez, Raul and Virpioja, Sami},
  journal={Language Resources and Evaluation},
  number={58},
  pages={713--755},
  year={2023},
  publisher={Springer Nature},
  issn={1574-0218},
  doi={10.1007/s10579-023-09704-w}
}

@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 HPLT project, funded by the European Union’s Horizon Europe research and innovation programme under grant agreement No 101070350. We are also grateful for the generous computational resources and IT infrastructure provided by CSC -- IT Center for Science, Finland, and the EuroHPC supercomputer LUMI.

Model conversion info

  • transformers version: 4.45.1
  • OPUS-MT git hash: 0882077
  • port time: Tue Oct 8 11:36:11 EEST 2024
  • port machine: LM0-400-22516.local

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MarianMTModel
Ревизия весов
6b8bbf7

0 моделей