Project Icon

opus-mt-en-bg

英语到保加利亚语的开源神经机器翻译模型

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。

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。
opus-mt-es-fr - 开源西班牙语-法语神经机器翻译模型
GithubHuggingfaceOPUS-MTtransformer模型开源项目机器翻译模型法语西班牙语
opus-mt-es-fr是基于transformer-align架构开发的西班牙语-法语机器翻译模型。模型在新闻测试集上实现32-35的BLEU评分,在Tatoeba测试集达到58.4分。项目采用OPUS数据集训练,使用normalization和SentencePiece技术预处理数据。
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-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-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。
opus-mt-fi-en - 芬兰语-英语机器翻译的开源transformer模型
EnglishFinnishGithubHuggingfaceOPUSTatoeba-Challenge开源项目机器翻译模型
opus-mt-fi-en是一个基于transformer-align架构的芬兰语到英语翻译模型。该模型在多个新闻测试集上展现了优秀性能,BLEU评分最高达32.3。模型采用SentencePiece进行预处理,并在Tatoeba测试集上获得53.4的BLEU分数和0.697的chrF分数。这个开源项目为需要芬兰语到英语高质量翻译的应用场景提供了有力支持。
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-gmq-en - 北日耳曼语到英语的翻译模型
GithubHuggingfaceNorth Germanic languagesTatoeba-Challenge开源项目模型翻译英语
这是一个基于transformer模型的项目,专注于将北日耳曼语言翻译为英语。使用了SentencePiece进行预处理,支持多种语言,比如丹麦语、挪威语和瑞典语。在Tatoeba测试集上,获得了58.1的BLEU评分。用户可以通过提供的链接下载原始模型权重和测试集,适合对多语言翻译有研究兴趣的开发者和研究人员。
opus-mt-de-it - 德语到意大利语的开源翻译模型
BLEUGithubHuggingfaceSentencePieceopus-mt-de-it开源项目数据集模型翻译
该开源项目使用transformer-align模型,提供德语到意大利语的高效翻译。通过Normalization和SentencePiece进行预处理,确保翻译的精准性和流畅性。用户可下载模型原始权重和测试集进行评估。模型在Tatoeba数据集上的评估显示,BLEU得分为45.3,chr-F得分为0.671,表现出良好的翻译性能。
opus-mt-en-fr - 英法机器翻译模型在多领域测试中表现卓越
BLEU评分GithubHuggingfaceOPUS-MT开源项目机器翻译模型英法翻译语料库
opus-mt-en-fr是一个基于Transformer架构的英语到法语机器翻译模型。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,包括新闻、讨论和Tatoeba等不同领域。模型在Tatoeba测试集上获得50.5的BLEU分数,展现了其在英法翻译任务中的高效性能。
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