/ Модель

Характеристики

Контекст
512 токенов
Параметры
58,4 млн
Лицензия
Apache 2.0
Архитектура
marian · dense
Опубликована
2 мар 2022

opus-mt-zh-vi

ПереводТекст → текст3 профессии

Модель OPUS-MT переводит китайский текст на вьетнамский с помощью Marian Transformer.

2 609скачиваний за 30 дней6лайковвеса 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.

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-zh-vi — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP на основе проекта Tatoeba-Challenge. Она переводит текст с китайского на вьетнамский и обратно не предназначена. Архитектура — Marian Transformer; модель содержит 58,4 млн параметров и использует SentencePiece с препроцессингом нормализации. Поддерживается китайский текст, включая упрощённое и традиционное письмо, а также латинскую транслитерацию; целевой язык — вьетнамский. Максимальный контекст составляет 512 токенов.

Модель подходит для перевода предложений и коротких текстов с китайского на вьетнамский, например для пользовательских сообщений или материалов общего характера. В карточке приведён результат BLEU 20,0 на наборе Tatoeba-test.zho.vie; качество зависит от тематики и формулировок исходного текста. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0.

Сценарии применения

  • перевод сообщений с китайского на вьетнамский
  • перевод коротких китайских текстов для вьетнамоязычных читателей
  • локализация описаний и пользовательского контента с китайского на вьетнамский

Ограничения

Модель предназначена для перевода с китайского на вьетнамский и не заявлена как двунаправленная. Приведённый результат BLEU 20,0 относится к тестовому набору Tatoeba и не гарантирует такое же качество на других тематиках.

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

zho-vie

  • source group: Chinese

  • target group: Vietnamese

  • OPUS readme: zho-vie

  • model: transformer-align

  • source language(s): cmn_Hani cmn_Latn

  • target language(s): vie

  • model: transformer-align

  • pre-processing: normalization + SentencePiece (spm32k,spm32k)

  • download original weights: opus-2020-06-17.zip

  • test set translations: opus-2020-06-17.test.txt

  • test set scores: opus-2020-06-17.eval.txt

Benchmarks

testsetBLEUchr-F
Tatoeba-test.zho.vie20.00.385

System Info:

  • hf_name: zho-vie

  • source_languages: zho

  • target_languages: vie

  • opus_readme_url: https://github.com/Helsinki-NLP/Tatoeba-Challenge/tree/master/models/zho-vie/README.md

  • original_repo: Tatoeba-Challenge

  • tags: ['translation']

  • languages: ['zh', 'vi']

  • src_constituents: {'cmn_Hans', 'nan', 'nan_Hani', 'gan', 'yue', 'cmn_Kana', 'yue_Hani', 'wuu_Bopo', 'cmn_Latn', 'yue_Hira', 'cmn_Hani', 'cjy_Hans', 'cmn', 'lzh_Hang', 'lzh_Hira', 'cmn_Hant', 'lzh_Bopo', 'zho', 'zho_Hans', 'zho_Hant', 'lzh_Hani', 'yue_Hang', 'wuu', 'yue_Kana', 'wuu_Latn', 'yue_Bopo', 'cjy_Hant', 'yue_Hans', 'lzh', 'cmn_Hira', 'lzh_Yiii', 'lzh_Hans', 'cmn_Bopo', 'cmn_Hang', 'hak_Hani', 'cmn_Yiii', 'yue_Hant', 'lzh_Kana', 'wuu_Hani'}

  • tgt_constituents: {'vie', 'vie_Hani'}

  • src_multilingual: False

  • tgt_multilingual: False

  • prepro: normalization + SentencePiece (spm32k,spm32k)

  • url_model: https://object.pouta.csc.fi/Tatoeba-MT-models/zho-vie/opus-2020-06-17.zip

  • url_test_set: https://object.pouta.csc.fi/Tatoeba-MT-models/zho-vie/opus-2020-06-17.test.txt

  • src_alpha3: zho

  • tgt_alpha3: vie

  • short_pair: zh-vi

  • chrF2_score: 0.385

  • bleu: 20.0

  • brevity_penalty: 0.917

  • ref_len: 4667.0

  • src_name: Chinese

  • tgt_name: Vietnamese

  • train_date: 2020-06-17

  • src_alpha2: zh

  • tgt_alpha2: vi

  • prefer_old: False

  • long_pair: zho-vie

  • helsinki_git_sha: 480fcbe0ee1bf4774bcbe6226ad9f58e63f6c535

  • transformers_git_sha: 2207e5d8cb224e954a7cba69fa4ac2309e9ff30b

  • port_machine: brutasse

  • port_time: 2020-08-21-14:41

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
67ea2db

0 моделей