Project Icon

opus-mt-en-it

基于Transformer的英意机器翻译模型

opus-mt-en-it是一个基于Transformer架构的英语到意大利语机器翻译模型。该模型使用OPUS数据集训练,经过normalization和SentencePiece预处理。在多个测试集上表现优异,其中Tatoeba测试集达到48.2 BLEU分和0.695 chr-F分。模型提供预训练权重下载和评估结果查看,可用于英意翻译任务。

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-en-gl - 英语到加利西亚语机器翻译模型 基于OPUS数据集
BLEU评分GithubHuggingfaceopus-mt-en-gl开源项目数据集机器翻译模型语言模型
opus-mt-en-gl是一个开源的英语到加利西亚语机器翻译模型。该模型采用transformer-align架构,基于OPUS数据集训练,使用normalization和SentencePiece进行预处理。在Tatoeba测试集上,模型达到36.4的BLEU得分和0.572的chr-F值,表现出较好的翻译质量。这个模型为英语到加利西亚语的翻译任务提供了一个有效的工具。
opus-mt-en-hi - 开源英语-印地语Transformer机器翻译模型
GithubHuggingfaceOPUSTatoeba-Challenge印地语开源项目机器翻译模型英语
opus-mt-en-hi是OPUS项目开发的英语到印地语机器翻译模型,基于Transformer架构。模型在Tatoeba测试集上获得16.1 BLEU分数和0.447 chrF分数。它采用SentencePiece进行预处理,适用于多种翻译任务。作为开源资源,该模型为自然语言处理研究和应用开发提供了有价值的工具。
translation-model-opus - Helsinki-NLP团队开发的英西翻译模型 基于OPUS数据集
GithubHuggingfaceOPUSTatoeba开源项目机器翻译模型英语西班牙语
Helsinki-NLP团队基于transformer架构和OPUS数据集开发了这个英语到西班牙语的翻译模型。模型在多个新闻测试集上BLEU得分达30-39,Tatoeba测试集更高达54.9。采用normalization和SentencePiece预处理技术,为英西文本翻译需求提供了高质量的开源解决方案。
opus-mt-en-fi - 开源神经机器翻译模型实现英语到芬兰语的准确转换
BLEU评分GithubHuggingfaceOPUS-MT开源项目机器翻译模型英语到芬兰语语言模型
opus-mt-en-fi是一个开源的英语到芬兰语翻译模型,基于transformer架构。该模型使用OPUS数据集和bt-news数据进行训练,采用normalization和SentencePiece进行预处理。在newstest2019-enfi测试集上,模型实现了25.7的BLEU分数和0.578的chr-F分数,显示出较高的翻译准确度。模型提供原始权重下载和测试集翻译结果,方便研究者和开发者使用和评估。
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-en-grk - 英希翻译模型与性能评估指标
AI绘图GithubHuggingfaceSentencePiecetranslation希腊语开源项目模型正常化
项目提供基于transformer架构的英语到希腊语翻译模型,使用SentencePiece进行预处理,支持多语言目标,并提供测试集翻译、评估及模型权重下载。评估显示其在现代希腊语翻译中具有较高BLEU分数。相关资源含性能基准及原始代码链接。
opus-mt-tc-big-fr-en - 法语到英语神经机器翻译模型概述
BLEUGithubHuggingfaceSentencePieceopus-mt-tc-big-fr-en开源项目模型法语到英语神经机器翻译
OPUS-MT项目中的法英翻译模型,基于Marian NMT框架训练,通过Huggingface的transformers库转换为pyTorch模型,具有优秀的BLEU评分。模型支持多种数据集,使用SentencePiece进行分词,适用于多种翻译任务,适合学术研究及实际应用。
opus-mt-en-vi - 基于Transformer架构的英越翻译模型 实现37.2 BLEU评分
GithubHuggingfaceOPUSTatoeba开源项目机器翻译模型英语越南语
基于transformer-align架构开发的英语到越南语机器翻译模型,在Tatoeba测试集上达到37.2 BLEU分和0.542 chrF评分。模型使用SentencePiece技术进行分词预处理,支持英语到越南语(含喃字)的翻译功能。作为OPUS项目的组成部分,该模型于2020年6月发布,并提供完整的模型权重与测试数据集。
opus-mt-en-bg - 英语到保加利亚语的开源神经机器翻译模型
GithubHuggingfaceOPUSTatoeba保加利亚语开源项目机器翻译模型英语
opus-mt-en-bg是一个基于Transformer架构的英语到保加利亚语机器翻译模型。该模型在Tatoeba测试集上达到50.6的BLEU分数和0.680的chrF值。它使用SentencePiece进行预处理,支持保加利亚语的拉丁字母变体,需要添加目标语言标记。这个模型是Helsinki-NLP开发的Tatoeba-Challenge项目的一部分,为英语到保加利亚语的翻译提供了开源解决方案。模型采用了normalization和SentencePiece (spm32k,spm32k)预处理方法,需要在句子开头添加'>>id<<'形式的目标语言标记。用户可以下载原始权重、测试集翻译和评分结果。该项目遵循Apache-2.0许可协议,为研究人员和开发者提供了可靠的英语到保加利亚语机器翻译资源。
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。

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