/ Модель

Характеристики

Контекст
512 токенов
Параметры
58,4 млн
Лицензия
CC BY 4.0
Архитектура
marian · dense
Базовая модель
opus-mt-zh-en
Библиотека
transformers
Опубликована
4 июл 2026

hsc-wuxia-marianmt-zh-en

ПереводТекст → текст3 профессии

Дообученная MarianMT-модель для перевода китайской литературы wuxia и xianxia на английский язык.

27скачиваний за 30 дней3лайкавеса обновлены4 июл 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

HSC Wuxia MarianMT zh-en — модель машинного перевода, разработанная в рамках выпускной работы по автоматическому переводу литературы wuxia. Это дообученная модель Helsinki-NLP/opus-mt-zh-en на основе архитектуры MarianMT с 58,4 млн параметров. Она предназначена для перевода художественных текстов жанров wuxia и xianxia с китайского на английский; обучение проводилось на 100 тысячах параллельных предложений. В оценке на тестовом наборе wuxia модель показала SacreBLEU 28,39, chrF 50,02 и ROUGE-L 57,40.

Модель принимает текст и генерирует перевод. Максимальная длина контекста — 512 токенов. Лицензия — CC BY 4.0; при использовании необходимо соблюдать её условия.

Сценарии применения

  • перевод китайских веб-новелл жанра wuxia на английский
  • перевод текстов жанра xianxia с китайского на английский
  • локализация художественных произведений о боевых искусствах
  • машинный перевод китайских литературных предложений для редакторской проверки

Ограничения

Специализация модели ограничена литературой wuxia и xianxia; качество перевода текстов других жанров не подтверждено. 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

HSC Wuxia MarianMT zh-en Model

This model is a fine-tuned sequence-to-sequence model based on Helsinki-NLP/opus-mt-zh-en for Chinese-to-English translation of Wuxia and Xianxia literature. It was developed as part of the Bachelor's Thesis (TFG):

"Enfoques de traducción automática con modelos de lenguaje en obras wuxia" (Degree in Data Science and Engineering, Universidade da Coruña)

Model Details

Intended Use

This model can be used directly for Chinese-to-English translation of literary text in the Wuxia domain.

Quick Start (Inference)

from transformers import MarianMTModel, MarianTokenizer

model_name = "HSilvosa/hsc-wuxia-marianmt-zh-en"
model = MarianMTModel.from_pretrained(model_name)
tokenizer = MarianTokenizer.from_pretrained(model_name)

text = "一念成沧海,一念化桑田。"
inputs = tokenizer(text, return_tensors="pt")
generated_tokens = model.generate(**inputs)
print(tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)[0])

Evaluation Results

The model was evaluated on the Wuxia parallel test set, comparing the base model and the fine-tuned version:

MetricBase Model (opus-mt-zh-en)Fine-tuned Model (hsc-wuxia-marianmt-zh-en)Delta (Improvement)
SacreBLEU5.1228.39+23.27
chrF23.5650.02+26.46
ROUGE-L27.8057.40+29.60
METEOR23.7156.55+32.84
COMET59.0677.57+18.51

Training Hyperparameters

The model was fine-tuned using the following architectural training parameters:

  • Optimizer: AdamW
  • Learning Rate: 2e-5 (0.00002)
  • Weight Decay: 0.01
  • Epochs: Max 10 (with early stopping patience of 3 epochs based on validation loss)
  • Batch Size: 16 (per device/GPU)
  • Max Sequence Length: 128 tokens
  • Seed: 42

Project Repository

This model and the associated training/evaluation pipelines were developed in the following project repository:

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
5b38709

0 моделей