Fugu-MT 論文翻訳(概要): Democratizing Neural Machine Translation with OPUS-MT

論文の概要: Democratizing Neural Machine Translation with OPUS-MT

arxiv url: http://arxiv.org/abs/2212.01936v2
Date: Thu, 27 Apr 2023 11:47:24 GMT
ステータス: 処理完了
システム内更新日: 2023-04-28 16:55:05.161240
Title: Democratizing Neural Machine Translation with OPUS-MT
Title（参考訳）: OPUS-MTを用いたニューラルマシン翻訳の民主化
Authors: J\"org Tiedemann, Mikko Aulamo, Daria Bakshandaeva, Michele Boggia, Stig-Arne Gr\"onroos, Tommi Nieminen, Alessandro Raganato, Yves Scherrer, Raul Vazquez, Sami Virpioja
Abstract要約: 本稿では,オープン機械翻訳モデルとツールの開発に焦点をあて,OPUSエコシステムについて述べる。我々は現在進行中の言語カバレッジと翻訳品質向上のミッションについて論じるとともに,モジュール型翻訳モデルの開発に向けた取り組みについても述べる。
参考スコア（独自算出の注目度）: 56.21988248821684
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This paper presents the OPUS ecosystem with a focus on the development of open machine translation models and tools, and their integration into end-user applications, development platforms and professional workflows. We discuss our on-going mission of increasing language coverage and translation quality, and also describe on-going work on the development of modular translation models and speed-optimized compact solutions for real-time translation on regular desktops and small devices.
Abstract（参考訳）: 本稿では,オープン機械翻訳モデルとツールの開発,エンドユーザーアプリケーション,開発プラットフォーム,プロフェッショナルワークフローへの統合に焦点をあてたOPUSエコシステムについて述べる。我々は現在進行中の言語カバレッジと翻訳品質の向上に関するミッションについて論じるとともに,モジュール型翻訳モデルの開発と,通常のデスクトップや小型デバイス上でのリアルタイム翻訳のための高速化されたコンパクトソリューションについて述べる。

関連論文リスト

LVLM-Interpret: An Interpretability Tool for Large Vision-Language Models [50.259006481656094]
本稿では,大規模視覚言語モデルの内部メカニズムの理解を目的とした対話型アプリケーションを提案する。このインタフェースは, 画像パッチの解釈可能性を高めるために設計されており, 応答の生成に有効である。本稿では,一般的な大規模マルチモーダルモデルであるLLaVAにおける障害機構の理解に,アプリケーションがどのように役立つかのケーススタディを示す。
論文参考訳（メタデータ） (2024-04-03T23:57:34Z)
MAMMOTH: Massively Multilingual Modular Open Translation @ Helsinki [46.62437145754009]
MAMMOTHツールキットは,大規模な多言語モジュール型機械翻訳システムを大規模に学習するためのフレームワークである。 A100およびV100 NVIDIA GPUのクラスタ間で効率を実証し、設計哲学と今後の情報計画について議論する。
論文参考訳（メタデータ） (2024-03-12T11:32:30Z)
adaptNMT: an open-source, language-agnostic development environment for Neural Machine Translation [2.648836772989769]
adaptNMTは、機械翻訳の分野で働いている技術と非技術の両方のユーザー向けに設計されている。このアプリケーションは広く採用されているOpenNMTエコシステム上に構築されている。 NLP空間におけるエコフレンドリーな研究を支援するため、グリーンレポートでは、モデル開発中に発生する電力消費とkgCO$_2$排出もフラグ付けしている。
論文参考訳（メタデータ） (2024-03-04T12:10:17Z)
Developing automatic verbatim transcripts for international multilingual meetings: an end-to-end solution [0.0]
本稿では,全自動会議書記書作成のためのエンドツーエンドソリューションと,各種言語への機械翻訳について述べる。このツールは、社内で開発された音声テキスト(S2T)と機械翻訳(MT)コンポーネントを使用して、World Intellectual Property Organization (WIPO)で開発された。
論文参考訳（メタデータ） (2023-09-27T12:16:15Z)
A Survey of Vision-Language Pre-training from the Lens of Multimodal Machine Translation [13.426403221815063]
本稿では,マルチモーダル機械翻訳のレンズによる言語とビジョンの事前学習の状況について調査する。我々は、共通アーキテクチャ、事前学習目的、文献からのデータセットを要約し、マルチモーダル機械翻訳の進展に何が必要かを推測する。
論文参考訳（メタデータ） (2023-06-12T15:56:10Z)
Translation Word-Level Auto-Completion: What can we achieve out of the box? [6.241494296494433]
利用可能なライブラリから事前学習モデルとアウト・オブ・ザ・ボックス機能を使用することの可能性を検討する。 CTranslate2をベースにしたオープンソースのAPIを導入し、翻訳、自動提案、自動補完を提供します。
論文参考訳（メタデータ） (2022-10-23T17:58:01Z)
Building Multilingual Machine Translation Systems That Serve Arbitrary X-Y Translations [75.73028056136778]
任意のX-Y翻訳方向に対応するMNMTシステムを実際に構築する方法を示す。また,本提案手法を,実用的な展開シナリオに対応するため,極めて大規模なデータ設定で検討した。
論文参考訳（メタデータ） (2022-06-30T02:18:15Z)
The YiTrans End-to-End Speech Translation System for IWSLT 2022 Offline Shared Task [92.5087402621697]
本稿では,IWSLT 2022オフラインタスクに対するエンドツーエンドYiTrans音声翻訳システムの提案について述べる。 YiTransシステムは、大規模な訓練済みエンコーダデコーダモデル上に構築されている。最終提出は自動評価基準でまず英語・ドイツ語・英語・中国語のエンド・ツー・エンド・システムにランク付けする。
論文参考訳（メタデータ） (2022-06-12T16:13:01Z)
Beyond English-Centric Multilingual Machine Translation [74.21727842163068]
我々は真の多言語多言語翻訳モデルを作成し、100言語のいずれかのペア間で直接翻訳できる。大規模なマイニングによって生成された教師付きデータで、数千の言語方向をカバーするトレーニングデータセットを構築し、オープンソースにしています。 WMTのベストシングルシステムに競争力を持たせながら、非英語の方向を直接翻訳する場合、非英語モデルに焦点をあてると10 BLEU以上のゲインが得られる。
論文参考訳（メタデータ） (2020-10-21T17:01:23Z)
DiDi's Machine Translation System for WMT2020 [51.296629834996246]
我々は中国語>英語の翻訳指導に参画する。この方向では、ベースラインモデルとしてTransformerを使用します。その結果,日英のBLEUスコアは36.6ドルとなった。
論文参考訳（メタデータ） (2020-10-16T06:25:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。