/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-NC 4.0
Архитектура
m2m_100 · dense
Базовая модель
nllb-200-distilled-600M
Опубликована
11 июл 2026

nllb-sinhala-english

ПереводТекст → текст3 профессии

Дообученная модель NLLB для перевода коротких текстов между сингальским и английским языками.

83скачиваний за 30 дней1лайквеса обновлены19 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

nllb-sinhala-english — дообученная модель на базе facebook/nllb-200-distilled-600M для двустороннего машинного перевода между сингальским и английским языками. Она построена на архитектуре M2M100 и предназначена для коротких фраз из интерфейсов, приложений, игр, уведомлений и повседневных разговоров. Модель принимает текст на сингальском или английском и выдаёт перевод на другой язык; в метаданных указан контекст 1024 токена, хотя README предупреждает, что при инференсе входы длиннее 64 токенов могут обрезаться.

Модель дообучена на пользовательском параллельном корпусе коротких фраз и оценивалась на отложенной выборке метриками BLEU и chrF. Она подходит для локализации интерфейсов и перевода коротких сообщений, но не предназначена для длинных документов, художественных текстов, юридического, медицинского, научного и другого узкоспециализированного контента. Модель выпущена по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и запрещающей коммерческое применение.

Сценарии применения

  • локализация интерфейсов и приложений с сингальского на английский
  • перевод экранных строк и игровых текстов на сингальский
  • перевод коротких сообщений и уведомлений между сингальским и английским
  • перевод коротких реплик в разговоре между носителями сингальского и английского

Ограничения

Модель может обрезать входы длиннее 64 токенов и хуже справляется с длинными документами, художественными и специализированными текстами, включая юридические и медицинские. Она не проходила специальную оценку на предвзятость, справедливость или токсичность.

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

NLLB Sinhala-English

A fine-tuned version of facebook/nllb-200-distilled-600M for bidirectional Sinhala ↔ English machine translation, optimized for short-form UI, application, and conversational text.

Model description

This model is based on Meta's NLLB-200 Distilled 600M checkpoint and has been fine-tuned on a custom parallel corpus of Sinhala-English sentence pairs. It supports translation in both directions:

  • Sinhala (sin_Sinh) → English (eng_Latn)
  • English (eng_Latn) → Sinhala (sin_Sinh)

The model is designed specifically for short text commonly found in user interfaces, applications, games, and everyday conversations.

Intended uses

This model is suitable for:

  • User interface localization
  • Mobile and web application text
  • Chat and conversational translation
  • Short messages and notifications
  • General Sinhala ↔ English translation of short-form content

Limitations

This model is not intended for:

  • Long-form document translation
  • Literary or creative writing
  • Legal, medical, or other safety-critical content
  • Highly technical or scientific documents

Additional limitations:

  • Training data primarily consists of short UI and application strings, so performance may decrease on formal or domain-specific text.
  • The model has not been specifically evaluated for bias, fairness, or toxicity.
  • Inputs longer than 64 tokens may be truncated during inference.

Training data

The model was trained on a custom Sinhala-English parallel dataset collected from UI, application, and game-related text.

Dataset preparation included:

  • Removal of duplicate sentence pairs
  • Removal of empty and invalid entries
  • Whitespace normalization
  • Bidirectional expansion (Sinhala → English and English → Sinhala)

Dataset statistics

  • Parallel sentence pairs: 34,414
  • Bidirectional training examples: 61,944
  • Train / Validation / Test split: 90% / 5% / 5%
  • Random seed: 42

Training

Base model

  • facebook/nllb-200-distilled-600M

Hardware

  • NVIDIA Tesla T4 GPU

Training configuration

  • Optimizer: Adafactor
  • Learning rate: 1e-4
  • Batch size: 8
  • Gradient accumulation: 4
  • Effective batch size: 32
  • Mixed precision: FP16
  • Epochs: 3
  • Maximum sequence length: 64 tokens
  • Gradient checkpointing: Enabled

Framework

  • Hugging Face Transformers
  • Seq2SeqTrainer

Evaluation

The model was evaluated on a held-out test set consisting of 1,721 sentence pairs covering both translation directions.

Evaluation metrics:

  • BLEU
  • chrF

Usage

Transformers

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained(
    "kawinduwijewardhane/nllb-sinhala-english"
)

model = AutoModelForSeq2SeqLM.from_pretrained(
    "kawinduwijewardhane/nllb-sinhala-english"
)

tokenizer.src_lang = "sin_Sinh"

inputs = tokenizer(
    "ඔබට කොහොමද",
    return_tensors="pt"
)

generated = model.generate(
    **inputs,
    forced_bos_token_id=tokenizer.convert_tokens_to_ids("eng_Latn"),
    max_length=64,
)

print(tokenizer.batch_decode(generated, skip_special_tokens=True))

CPU Inference

An INT8-quantized CTranslate2 version is also available for efficient CPU deployment:

https://huggingface.co/kawinduwijewardhane/nllb-sinhala-english-ct2

License

This model inherits the license of its base model (facebook/nllb-200-distilled-600M) and is released under CC BY-NC 4.0.

Commercial use is not permitted under this license. Please review the original NLLB license before using this model in commercial applications.

Citation

If you use or reference the underlying NLLB model, please cite:

NLLB Team et al. (2022).
No Language Left Behind: Scaling Human-Centered Machine Translation.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
M2M100ForConditionalGeneration
Ревизия весов
cd18ec8

0 моделей