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
Normal1919/Marian-NMT-en-zh-lil-fine-tune — дообученная модель машинного перевода на архитектуре Transformer MarianMT, созданная на основе Helsinki-NLP/opus-mt-en-zh. Она переводит английский текст на китайский и обучена сохранять специальные маркеры Ren’Py, например {i} и {/i}, а также английские имена персонажей для локализации визуальных новелл LIL. Модель содержит 58,4 млн параметров, работает с контекстом до 512 токенов и использует библиотеку Transformers.
Модель предназначена для перевода игровых и сценарных текстов с английского на китайский с сохранением разметки и имён. В карточке перечислены варианты китайского, включая упрощённое и традиционное письмо и несколько региональных языковых разновидностей. Весами можно пользоваться на условиях лицензии Apache-2.0.
Сценарии применения
Перевод диалогов визуальных новелл с английского на китайский
Локализация сценариев Ren’Py с сохранением тегов форматирования
Перевод игровых текстов с сохранением имён персонажей на английском
Ограничения
Модель ориентирована на перевод с английского на китайский и на сценарные тексты с маркерами Ren’Py; карточка не сообщает о поддержке других направлений перевода.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
target language(s): cjy_Hans cjy_Hant cmn cmn_Hans cmn_Hant gan lzh lzh_Hans nan wuu yue yue_Hans yue_Hant
fine_tune: On the basis of OPUS dataset checkpoints, train English original text with renpy text features (including but not limited to {i} [text] {/i}) to Chinese with the same reserved flag, as well as training for English name retention for LIL
How to use
>>> from transformers import AutoModelWithLMHead,AutoTokenizer,pipeline
>>> mode_name = 'Normal1919/Marian-NMT-en-zh-lil-fine-tune'
>>> model = AutoModelWithLMHead.from_pretrained(mode_name)
>>> tokenizer = AutoTokenizer.from_pretrained(mode_name)
>>> translation = pipeline("Marian-NMT-en-zh-lil-fine-tune", model=model, tokenizer=tokenizer)
>>> translation('I {i} should {/i} say that I feel a little relieved to find out that {i}this {/i} is why you’ve been hanging out with Kaori lately, though. She’s really pretty and I got jealous and...I’m sorry', max_length=400)
[{'我{i}应该{/i}说发现{i}这{/i}是你最近和Kaori出去的原因,我有点松了一口气。她很漂亮,我嫉妒,而且......我很抱歉。'}]