Project Icon

opus-mt-en-sv

基于Transformer的英瑞双语神经机器翻译模型

opus-mt-en-sv是一个开源的英语到瑞典语机器翻译模型,基于Transformer架构开发。该模型在Tatoeba测试集上实现60.1的BLEU分数和0.736的chr-F分数,展示了优秀的翻译质量。模型训练采用OPUS数据集,并应用normalization和SentencePiece进行预处理,旨在提供准确的英瑞双语文本转换。

opus-mt-sv-en - 基于OPUS数据集的瑞典语-英语神经机器翻译模型
BLEU评分GithubHuggingfaceOPUS-MT开源项目机器翻译模型瑞典语英语
opus-mt-sv-en是一个瑞典语到英语的神经机器翻译模型,基于transformer-align架构构建。该模型使用OPUS数据集训练,经过normalization和SentencePiece预处理。在Tatoeba测试集上,模型达到64.5 BLEU分数和0.763 chr-F分数,显示出较高的翻译质量。项目开源了预训练权重、测试集翻译结果和评估数据,便于研究者复现和评估模型性能。
opus-mt-en-es - 基于Transformer的英西机器翻译模型
GithubHuggingfaceOPUSTatoeba开源项目模型翻译模型英语西班牙语
opus-mt-en-es是一个开源的英语到西班牙语机器翻译模型,基于Transformer架构。该模型在新闻测试集上BLEU分数介于30-39之间,在Tatoeba测试集上BLEU分数达54.9,chrF分数为0.721。模型采用SentencePiece进行预处理,适用于各种英西翻译任务。项目开源于Hugging Face,提供模型权重下载。模型由Helsinki-NLP团队开发,使用OPUS平行语料库训练。除了高性能表现外,opus-mt-en-es还提供了完整的测试集翻译结果和评估分数,便于研究人员进行比较和分析。该模型适用于需要高质量英西翻译的各种应用场景。
opus-mt-uk-en - 乌克兰语至英语的开源神经机器翻译模型
GithubHuggingfaceOPUStransformer-align乌克兰语开源项目机器翻译模型英语
opus-mt-uk-en是一个开源的乌克兰语到英语神经机器翻译模型,基于transformer-align架构开发。该模型使用OPUS数据集训练,经过normalization和SentencePiece预处理。在Tatoeba测试集上,模型达到了64.1的BLEU分数和0.757的chr-F分数,显示出良好的翻译效果。研究者可以下载预训练权重和测试集结果进行进一步评估和应用。
opus-mt-eo-en - 准确的跨语言翻译引擎,支持世界语到英语的转换
BLEU评分GithubHuggingfaceopus-mt-eo-en开源项目数据集机器翻译模型
该项目专注于世界语到英语的翻译,使用transformer-align模型进行处理,结合SentencePiece和数据规范化。其在Tatoeba数据集上达到了54.8的BLEU分数,展示了出色的翻译能力。用户可以获取模型的详细资源,如下载原始权重和查看测试结果及评估分数,为跨语言交流提供有效支持。
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-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-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 - 多语言神经机器翻译的开源框架
GithubMarian-NMTOPUS-MT多语言开源开源项目机器翻译
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。
opus-tatoeba-en-ja - 提升英语到日语翻译效率的开源模型
GithubHuggingfacetransformer-aligntranslation开源项目日文模型英文
利用transformer-align模型,该项目提升了英语到日语的翻译精确性,BLEU评测值为15.2。项目还提供具体实现细节与源码下载,更方便学术和技术人员使用与研究。
opus-mt-de-ca - 德语到加泰罗尼亚语翻译技术模型,支持精准语句转换
BLEUGithubHuggingfaceSentencePiecedeu-cat开源项目德语模型翻译
该项目基于transformer-align模型,将德语文本转为加泰罗尼亚语,采用正常化及SentencePiece (spm12k) 进行预处理。模型在Tatoeba测试集上的BLEU评分为37.4,chr-F值为0.582,显示了优秀的翻译性能。用户可以下载原始模型权重和相应测试集数据,查看详细的转化结果。
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