/ Модель

Характеристики

Контекст
512 токенов
Параметры
37,8 млн
Лицензия
Apache 2.0
Архитектура
marian · dense
Базовая модель
opus-mt-en-ml
Библиотека
transformers
Опубликована
27 июл 2026

translate-en-ml

ПереводТекст → текст4 профессии

Дообученная модель MarianMT для перевода коротких текстов с английского на малаялам.

17скачиваний за 30 дней0лайковвеса обновлены1 окт 2026

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

WindyTranslate/translate-en-ml — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на малаялам. Это дообученная версия Helsinki-NLP/opus-mt-en-ml: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 37,8 млн параметров и принимает текстовые последовательности длиной до 512 токенов.

Модель подходит для перевода коротких английских текстов на малаялам. В скрининговой оценке на 48 предложениях FLORES-200 dev она получила chrF++ 30,72 и BLEU 4,31; этот результат не является полноценным исследовательским бенчмарком. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

Сценарии применения

  • перевод английских сообщений на малаялам
  • перевод коротких описаний товаров с английского на малаялам
  • черновой перевод английских фраз на малаялам

Ограничения

Модель поддерживает только направление перевода с английского на малаялам. Оценка качества основана на 48 предложениях и является предварительной; результаты для других типов текстов могут отличаться.

Для каких профессий подходит4

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

translate-en-ml

Part of the Windstorm Labs open model catalogue. Scores, licence and attribution for every model: https://windytranslate.com/models/translate-en-ml

Machine translation model, en to ml, published by Windstorm Labs.

Attribution

Derived from Helsinki-NLP/opus-mt-en-ml, licensed apache-2.0. Windstorm Labs did not train the original model. This notice provides the attribution the licence requires.

What was changed

The weights in this repository have been modified from the original. A LoRA fine-tune trained on parallel corpus data and merged into the base weights.

Methodwindy-hallmark
Tensors modified36 of 254
Max absolute weight delta7.369e-05
Verifiedtensor-by-tensor against the upstream original, 2026-07-26

The comparison is tensor-level rather than file-level: safetensors and PyTorch .bin containers hash differently even when the tensors inside are identical, so a file-hash mismatch would prove nothing.

Contents

A single transformers build in safetensors format, loadable directly:

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tok = AutoTokenizer.from_pretrained("WindyTranslate/translate-en-ml")
model = AutoModelForSeq2SeqLM.from_pretrained("WindyTranslate/translate-en-ml")

batch = tok(["<your text here>"], return_tensors="pt", padding=True)
print(tok.batch_decode(model.generate(**batch), skip_special_tokens=True))

Other builds of this pair, including CTranslate2 INT8, are not included in this repository.

Evaluation

BenchmarkchrF++BLEUBand
FLORES-200 dev, 48 sentences (English → Malayalam)30.724.31Usable

Measured 2026-08-04; screening score, not a publication result. Bands: Excellent ≥60, Good 45–60, Usable 30–45, Limited 15–30, Not recommended <15 (chrF++).

Limitations

  • A single language direction: en to ml.
  • The evaluation above is a 48-sentence screening score, not a publication result. The weights are verified to differ from the original; that is a statement about provenance.
  • Quality is not monotonic with model size or with the amount of fine-tuning applied.

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
bcd31e0

0 моделей