Project Icon

opus-mt-en-he

基于OPUS数据集的英语-希伯来语机器翻译模型

这是一个基于transformer-align架构的英语-希伯来语翻译模型,采用Apache-2.0开源协议。模型在OPUS数据集上训练,使用规范化和SentencePiece进行预处理,在Tatoeba测试集上获得40.1 BLEU分和0.609 chr-F分。模型提供训练权重下载,可用于英语和希伯来语之间的翻译任务。

opus-mt-en-sv - 基于Transformer的英瑞双语神经机器翻译模型
BLEU评分GithubHuggingfaceopus-mt-en-svtransformer开源项目机器翻译模型语言模型
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-tl-en - 高效的塔加洛语与英语翻译模型及其性能表现
GithubHuggingfacetgl-eng开源项目得分检验集模型翻译
模型专注于将塔加洛语转化为英语的准确翻译,采用transformer-align架构,并通过规范化和SentencePiece预处理以提高翻译质量。在Tatoeba测试集中,该模型获得了35.0的BLEU分数及0.542的chr-F分数,表现出较高的翻译性能。用户可通过URL下载模型权重和测试文件,以体验其翻译能力。项目由Helsinki-NLP开发,遵循Apache-2.0许可证,是跨语言交流的实用工具。
opus-mt-en-af - 英语到南非荷兰语翻译模型,使用变压器对齐和标准化预处理
BLEU评分GithubHuggingfaceSentencePieceopus-mt-en-aftransformer-align开源项目模型翻译
该项目提供了英语到南非荷兰语的机器翻译模型,基于transformer-align算法和OPUS数据集,并采用了标准化和SentencePiece预处理。用户可以获取模型的原始权重和翻译测试结果,Tatoeba测试集的BLEU得分为56.1,显示出较高的翻译准确度。
opus-mt-ca-en - 基于Transformer架构的加泰罗尼亚语-英语机器翻译模型
GithubHuggingfaceopus-mt-ca-en加泰罗尼亚语开源项目机器翻译模型模型评估英语
该模型采用transformer-align架构,实现加泰罗尼亚语到英语的翻译功能。模型使用normalization和SentencePiece进行预处理,在Tatoeba测试集达到51.4 BLEU评分。作为OPUS项目的组成部分,模型开放训练权重下载及测试评估数据,可用于加泰罗尼亚语-英语的自动翻译场景。
opus-mt-gmw-gmw - 开源的西日耳曼语系互译转换模型
BLEUGithubHuggingfaceOPUS开源项目机器翻译模型翻译评测西日耳曼语
opus-mt-gmw-gmw是基于transformer架构的西日耳曼语系翻译模型,支持德语、英语、荷兰语等18种语言间的互译转换。该模型在德英互译新闻测试中表现优异,BLEU评分达25-35分。模型使用SentencePiece分词技术,需添加目标语言标识才可运行。
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
GithubHuggingfaceOPUS-MTtransformer土耳其语开源项目机器翻译模型英语
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-da-de - 基于Transformer架构的丹麦语-德语机器翻译模型
GithubHuggingfaceopus-mt-da-de开源项目数据集机器翻译模型模型评估语言模型
opus-mt-da-de是一个开源的丹麦语到德语机器翻译模型,基于Transformer架构设计。该模型使用OPUS数据集训练,经过规范化和SentencePiece预处理。在Tatoeba测试集上,模型取得57.4的BLEU分数和0.740的chr-F分数,显示出良好的翻译效果。模型提供预训练权重下载,并附有测试集翻译结果供评估参考。
opus-mt-de-es - 德语到西班牙语的智能翻译工具,支持更高的翻译准确性
BLEU评分GithubHuggingfaceopus-mt-de-es开源项目模型翻译模型语言对预处理
该开源项目通过使用transformer-align模型,将德语翻译为西班牙语,依托opus数据集,进行标准化和SentencePiece的预处理,提升翻译的准确性。用户可以下载模型的原始权重并查看相应的翻译测试集及评分,以了解其性能。在Tatoeba.de.es测试集中获得了48.5分的BLEU评分和0.676的chr-F得分,其高效性能在翻译领域具备一定的竞争力。
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-mt-en-eu - 基于Transformer的英语-巴斯克语机器翻译模型 Tatoeba测试集BLEU 31.8
GithubHuggingfaceTatoeba-Challengetransformer-align巴斯克语开源项目机器翻译模型英语
opus-mt-en-eu是一个英语到巴斯克语的机器翻译模型,基于transformer-align架构构建。模型使用SentencePiece进行预处理,在Tatoeba测试集上达到31.8 BLEU分数和0.590 chr-F分数。由Helsinki-NLP开发并以Apache-2.0许可发布,适用于英语到巴斯克语的翻译任务。模型支持单向翻译,可应用于需要高质量英巴翻译的场景。
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