Project Icon

opus-mt-tc-big-tr-en

OPUS-MT 项目开源的土耳其语-英语神经机器翻译模型

opus-mt-tc-big-tr-en 是 OPUS-MT 项目开发的土耳其语到英语神经机器翻译模型。该模型基于 Marian NMT 框架训练,并转换为 PyTorch 格式以兼容 Hugging Face transformers 库。在多个测试集上表现优异,Tatoeba 测试集上 BLEU 分数达 57.6。模型采用 transformer-big 架构,使用 OPUS 和 Tatoeba Challenge 数据训练,为研究人员和开发者提供了高质量的开源翻译工具。

opus-mt-tc-big-en-tr - OPUS-MT项目开发的英土双语神经机器翻译模型
GithubHuggingfaceMarian NMTOPUS-MT开源项目机器翻译模型神经网络模型英语到土耳其语
opus-mt-tc-big-en-tr是OPUS-MT项目开发的英语到土耳其语神经机器翻译模型。该模型基于Transformer架构,在多个数据集上表现出色,最高BLEU分数达42.3。模型支持通过Hugging Face Transformers库使用,为英土翻译提供了可靠的解决方案。OPUS-MT项目旨在为全球多种语言对开发开源的神经机器翻译模型。
opus-mt-tr-en - 基于OPUS数据集的土耳其语英语机器翻译模型
BLEU评分GithubHuggingfaceOPUS-MT开源项目数据集机器翻译模型语言模型
opus-mt-tr-en是一个基于Transformer架构的土耳其语到英语机器翻译模型。该模型使用OPUS数据集训练,通过normalization和SentencePiece进行预处理。在多个测试集上表现优异,Tatoeba测试集上的BLEU分数达63.5。模型权重可供下载,便于研究人员和开发者进行评估和应用。
opus-mt-tc-big-ar-en - 高效的阿拉伯语到英语神经机器翻译模型,实现精准的跨语言转换
GithubHuggingfaceOPUS-MT开源项目机器翻译模型自然语言处理语言模型阿拉伯语翻译
OPUS-MT项目开发的opus-mt-tc-big-ar-en是一款阿拉伯语到英语的神经机器翻译模型。该模型使用Marian NMT框架训练,支持现代标准阿拉伯语及其方言。在多个测试集上,模型展现出优秀性能,BLEU评分介于42.6至47.3之间。模型已转换为PyTorch格式,可通过Hugging Face的transformers库轻松使用。
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-tc-big-sh-en - 高效多语言神经机器翻译模型,支持塞尔维亚-克罗地亚语到英语的翻译
GithubHuggingfaceMarian NMTOPUS-MT开源项目文本翻译机器翻译模型语言模型
opus-mt-tc-big-sh-en是OPUS-MT项目开发的神经机器翻译模型,专门用于塞尔维亚-克罗地亚语(sh)到英语(en)的翻译。该模型采用Marian NMT框架训练,并转换为PyTorch格式以便于使用。在多个基准测试中,模型展现了优秀的性能,BLEU评分范围从37.1到66.5不等,证明了其在不同测试集上的翻译能力。作为OPUS-MT项目的一部分,该模型旨在为全球多语言翻译需求提供高质量、易用的解决方案。
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-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-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-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-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。
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