#OPUS-MT

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-de-en是一个基于OPUS数据集的德语到英语机器翻译模型。该模型采用transformer-align架构，并经过规范化和SentencePiece预处理。在多个新闻测试集上，模型表现优异，最高BLEU分数达43.7。模型支持多种测试集的翻译和评估，能够提供准确的德英翻译服务。该模型在新闻、科技等领域的翻译任务中表现尤为出色，适用于需要高质量德英翻译的各种应用场景。

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。

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-en-de是赫尔辛基大学开发的英德神经机器翻译模型。它基于OPUS语料库训练,适用于文本翻译和生成。模型在多个新闻测试集上表现优异,BLEU和chr-F评分突出。研究人员可通过Hugging Face平台便捷使用该模型进行翻译研究和应用开发。

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。

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-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-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-en-nl是一个英语到荷兰语的机器翻译模型，基于transformer-align架构构建。该模型利用OPUS数据集训练，并应用了normalization和SentencePiece预处理技术。在Tatoeba测试集上，模型达到了57.1的BLEU分数和0.730的chr-F分数，显示出较高的翻译质量。模型提供了原始权重和测试集翻译结果的下载，方便研究者进行评估和应用。

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-da-en是一个丹麦语到英语的神经机器翻译模型，基于transformer-align架构。该模型使用OPUS数据集训练，应用了归一化和SentencePiece预处理技术。在Tatoeba测试集上，模型获得了63.6的BLEU分数和0.769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，可用于丹麦语到英语的翻译任务。

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-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。

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。

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-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-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-tc-big-zls-en是一个基于神经网络的机器翻译模型，用于南斯拉夫语系（zls）到英语（en）的翻译任务。作为OPUS-MT项目的组成部分，该模型采用Marian NMT框架开发，并已转换为PyTorch格式。模型支持包括保加利亚语、波斯尼亚语、克罗地亚语、马其顿语、斯洛文尼亚语和塞尔维亚语在内的多种南斯拉夫语言，可应用于相关语言的翻译工作。

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。

该项目提供的神经机器翻译模型，支持从英语到塞尔维亚-克罗地亚语及其他语言的翻译。采用Marian NMT框架训练，使用transformers库转换为pyTorch格式。此模型由赫尔辛基大学开发，数据集来自OPUS项目，并采用SentencePiece进行预处理。适用于文本翻译和生成，包含代码示例与评估细节，遵循CC-BY-4.0许可。