/ Модель

Характеристики

Контекст
1 024 токена
Параметры
464 млн
Лицензия
CC BY-NC 4.0
Архитектура
m2m_100 · dense
Базовая модель
nllb-200-distilled-600M
Опубликована
14 июн 2026

chokri-nllb-finetuned

ПереводТекст → текст3 профессии

Дообученная модель NLLB-200 для перевода предложений между чокри и английским языком.

32скачиваний за 30 дней0лайковвеса обновлены19 авг 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

Chokri–English Translation Model — дообученная Meta модель NLLB-200 distilled 600M для перевода между языком чокри и английским. Это encoder-decoder архитектура семейства M2M-100 с 463,7 млн параметров и контекстом до 1024 токенов. Чокри — тибето-бирманский язык, на котором говорят в округе Пхек штата Нагаленд в Индии.

Модель обучена на примерно 8 000 проверенных человеческих парах предложений, главным образом из перевода Нового Завета на чокри, дополненного материалами сообщества. Поскольку у NLLB нет отдельного токена языка чокри, модель использует `lus_Latn` как прокси-токен для чокри. Подходит для перевода предложений с чокри на английский и обратно, в том числе для текстов на региональных вариантах языка.

Преимущество модели — поддержка низкоресурсного языка, ранее не охваченного системами машинного перевода. Качество может снижаться на бытовых и технических текстах из-за преобладания библейских данных; диалектные различия и отсутствие обозначения тона в орфографии также могут приводить к неоднозначности. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Сценарии применения

  • перевод текстов с чокри на английский
  • перевод текстов с английского на чокри
  • подготовка черновиков переводов для сообщества носителей чокри

Ограничения

Обучающие данные преимущественно относятся к библейскому тексту и отражают один региональный диалект, поэтому качество на бытовых и технических текстах может быть ниже. Тон не обозначен в орфографии данных, что может создавать неоднозначность; для чокри используется прокси-токен `lus_Latn`.

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

Chokri–English Translation Model

Fine-tuned version of Meta's NLLB-200 distilled 600M for Chokri (nri) ↔ English translation — the first machine translation model for the Chokri language.

Language

Chokri (ISO 639-3: nri, Glottocode: chok1243) is a Tibeto-Burman language spoken by approximately 100,000 people in Phek District, Nagaland, northeast India. It belongs to the Angami sub-group of the Kuki-Chin-Naga branch branch of the Sino-Tibetan language family and was not supported by any prior machine translation system.

Model Details

Base modelfacebook/nllb-200-distilled-600M
ArchitectureEncoder-decoder (M2M-100 based)
Parameters~600M (distilled)
Training data~8,000 verified human-translated Chokri–English sentence pairs
Primary corpusChokri New Testament (Bible Society of India, NAG5BSI)
Institutional partnerChakhesang Chokri Literature Board (CCLB)
ScriptLatin-based practical orthography
Word orderSOV (Subject–Object–Verb)

How to Use

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_name = "knbliss/chokri-nllb-finetuned"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

# Chokri → English
# Note: model uses "lus_Latn" (Mizo) as a proxy token for Chokri during training
inputs = tokenizer("U nü bazo ho.", return_tensors="pt", src_lang="lus_Latn")
translated = model.generate(
    **inputs,
    forced_bos_token_id=tokenizer.convert_tokens_to_ids("eng_Latn"),
    num_beams=4,
    max_new_tokens=128,
    no_repeat_ngram_size=3,
    repetition_penalty=1.5
)
print(tokenizer.batch_decode(translated, skip_special_tokens=True))

# English → Chokri
inputs = tokenizer("Where are you going?", return_tensors="pt", src_lang="eng_Latn")
translated = model.generate(
    **inputs,
    forced_bos_token_id=tokenizer.convert_tokens_to_ids("lus_Latn"),
    num_beams=4,
    max_new_tokens=128,
    no_repeat_ngram_size=3,
    repetition_penalty=1.5
)
print(tokenizer.batch_decode(translated, skip_special_tokens=True))

Important: Because nri (Chokri) was absent from NLLB-200's original vocabulary, this model uses lus_Latn (Mizo) as a proxy language token. Mizo is a closely related Tibeto-Burman language that also uses Latin script, making it the best available proxy in the NLLB token space.

Training

Fine-tuned from facebook/nllb-200-distilled-600M on ~8,000 verified human-translated Chokri–English sentence pairs. The primary training corpus is the Chokri New Testament (Bible Society of India), supplemented by community-contributed sentence pairs collected through a live data pipeline with active contributors and reviewers.

Training data is tagged by village and region to capture dialect variation across Phek District, Nagaland.

Live Demo

Try the model at the Chokri English Translator — a live web interface where you can translate text and contribute new sentence pairs to improve the dataset.

Community & Ongoing Work

This model is part of an active community-led data collection effort:

  • Contributors submit new Chokri–English sentence pairs via the translator interface or a community form
  • Reviewers verify submissions for accuracy and naturalness before they enter the training dataset
  • Institutional partner: Chakhesang Chokri Literature Board (CCLB), the official language authority for Chokri
  • Dataset target: Growing toward 40,000+ sentence pairs to reach the "low-resource" tier in multilingual MT benchmarks

The project is listed in the OLDI Awesome New Languages in Machine Translation initiative, and Chokri is an active contribution target in BOUQuET, Meta's multilingual evaluation benchmark.

Limitations

  • Training data is predominantly from a single domain (Bible corpus), which may reduce performance on everyday or technical text
  • The Bible translation used (NAG5BSI) reflects one regional dialect and has not been formally adopted as the CCLB standard
  • Chokri has significant dialect variation across villages;
  • Tone is not marked in the practical orthography used for training data, which may cause occasional ambiguity

Acknowledgements

Built on Meta's NLLB-200 open model. Institutional support from the Chakhesang Chokri Literature Board (CCLB). Thanks to all community contributors and reviewers who continue to grow the dataset.

Citation

If you use this model in your research, please cite:

@misc{nienu2025chokri,
  author    = {Nienu, Kuyi},
  title     = {Chokri--English Translation Model},
  year      = {2025},
  publisher = {Hugging Face},
  url       = {https://huggingface.co/knbliss/chokri-nllb-finetuned}
}

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
6c66db3

0 моделей