Logo
Project Icon

Opus-MT

多语言神经机器翻译的开源框架

OPUS-MT机器翻译开源多语言Marian-NMTGithub开源项目

Opus-MT是一个开源的神经机器翻译项目，基于Marian-NMT框架开发。该项目利用OPUS数据集训练模型，结合SentencePiece分词和eflomal词对齐技术，提供多语言翻译功能。Opus-MT支持基于Tornado的Web应用和WebSocket服务两种部署方式，并提供大量预训练模型供用户下载。在Tiyaro.ai平台上，Opus-MT部署了543个在线演示API，方便用户体验。这个项目致力于为全球用户提供开放、便捷的翻译服务。

GithubGithub文档文档论文论文
介绍相关项目
OPUS-MT-train - 用于训练多语言神经机器翻译模型的开源工具集
GithubOpus-MT多语言翻译开源软件开源项目机器翻译模型训练
OPUS-MT-train是一个开源的神经机器翻译模型训练工具集。它基于MarianNMT和OPUS数据集，提供了模型训练、评估和发布的完整脚本。该项目包含丰富的预训练模型，支持多语言翻译，并附有详细文档和教程。OPUS-MT-train适用于CSC HPC集群环境，包含了安装、设置和使用的详细说明。它还提供了低资源语言模型训练和Tatoeba翻译挑战等教程，致力于推动神经机器翻译技术的普及，为研究人员和开发者提供了实用的工具，有助于推进神经机器翻译技术的研究和应用。
opus-mt-ja-en - 基于OPUS数据集的日英神经机器翻译模型
GithubHuggingfaceopus-mt-ja-en开源项目日英翻译机器翻译模型自然语言处理语言模型
该模型采用transformer-align架构，基于OPUS多语言平行语料库训练而成。预处理阶段使用了文本标准化和SentencePiece分词技术。在Tatoeba日英翻译测试集上，模型展现了优秀的性能，BLEU得分为41.7，chr-F得分为0.589。项目开源了模型权重和测试集译文，便于进行进一步的研究和应用。
opus-mt-tc-big-en-pt - 从英译葡的先进神经机器翻译模型
GithubHuggingfaceMarian NMTOPUS-MT句子标记开源项目机器翻译模型神经机器翻译
该开源项目提供的神经机器翻译模型，旨在高效地将英语翻译为葡萄牙语。作为OPUS-MT项目的一部分，模型采用Marian NMT框架训练，并转化到PyTorch以兼容Transformers库。利用flores101-devtest等高质量数据集进行训练与评估，提供多语言目标支持，可应用于多种翻译场景。通过简单的Python示例代码，用户可以快速上手执行翻译任务。项目获得了欧盟资助，并得到了CSC -- IT Center for Science的支持。
opus-mt-mul-en - Transformer架构的多语种英语神经机器翻译模型
BLEU评分GithubHuggingfaceOPUS多语言模型开源项目机器翻译模型语言对
opus-mt-mul-en是基于Transformer架构的多语种到英语神经机器翻译模型。该模型支持200多种语言翻译为英语,覆盖范围广泛。在多个标准测试集上表现优异,尤其擅长欧洲语言翻译。模型采用SentencePiece分词技术,能够处理低资源语言,是一款功能强大的通用多语言翻译工具。
opus-mt-eu-en - 欧-英机器翻译开源项目，提供精确翻译
BLEU评分GithubHuggingfaceSentencePieceopustransformer-align开源项目模型翻译模型
该开源项目提供欧-英翻译，基于transformer-align模型和SentencePiece预处理，BLEU评分为46.1，chr-F评分为0.638，适用于Tatoeba数据集。用户可下载模型权重和测试集翻译，满足多种高质量应用需求。
opus-mt-en-zh - 英汉双向Transformer机器翻译模型
GithubHuggingfaceOPUSTatoeba-Challenge中文开源项目机器翻译模型英语
opus-mt-en-zh是基于Transformer架构的英汉双向机器翻译模型。支持英语与多种汉语变体间的翻译,包括简繁体中文、粤语等。模型在Tatoeba测试集上BLEU分数达31.4,翻译质量优异。采用SentencePiece预处理技术,需添加目标语言标记。适用于需要高质量英汉互译的各类应用场景。
opus-mt-en-ar - 英语到阿拉伯语的开源神经机器翻译模型
GithubHuggingfaceOPUSTatoeba开源项目机器翻译模型英语阿拉伯语
opus-mt-en-ar是Helsinki-NLP团队开发的英语到阿拉伯语翻译模型。这个基于Transformer的模型支持包括现代标准阿拉伯语在内的多种阿拉伯语变体，使用SentencePiece进行分词，并要求输入特定的语言标记。在Tatoeba测试集上，模型获得了14.0的BLEU分数和0.437的chrF值，显示了其在英阿翻译任务上的性能。
opus-mt-it-en - 基于OPUS数据集的意大利语至英语神经机器翻译模型
GithubHuggingfaceOPUS-MT开源项目意大利语机器翻译模型神经网络模型英语
opus-mt-it-en是一个基于transformer-align架构的意大利语至英语神经机器翻译模型。该模型利用OPUS数据集训练，采用normalization和SentencePiece进行预处理。在多个测试集上表现优异，尤其在Tatoeba测试集上获得70.9的BLEU分数和0.808的chr-F分数，显示出较高的翻译质量。此外，该模型在newssyscomb2009和newstest2009等其他测试集上也展现了出色的跨领域翻译能力。
opus-mt-en-jap - 英日神经机器翻译模型：基于OPUS数据集的高效翻译工具
BLEU评分GithubHuggingfaceopus-mt-en-jap开源项目机器翻译模型英日翻译语言模型
opus-mt-en-jap是一个基于transformer架构的英日神经机器翻译模型。该模型在OPUS数据集上训练，采用SentencePiece进行预处理。在bible-uedin测试集上，模型获得了42.1的BLEU分数和0.960的chr-F分数，显示出优秀的翻译能力。这一开源项目为需要进行英日文本转换的研究人员和开发者提供了实用的工具，适用于文献翻译、跨语言交流等领域。作为高效的机器翻译和英日翻译工具，它为用户提供了强大的语言转换支持。
opus-mt-zh-en - 赫尔辛基大学开发的中英双向翻译模型
GithubHelsinki-NLPHuggingfaceOPUS-MT中英翻译开源项目机器翻译模型自然语言处理
opus-mt-zh-en是赫尔辛基大学开发的中英双向翻译模型。该模型基于OPUS数据集训练，采用SentencePiece预处理，在Tatoeba测试集上BLEU得分为36.1。它使用Transformer架构，可用于文本翻译和生成。研究人员和开发者可通过Hugging Face transformers库便捷地使用该模型进行中英互译。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号