license: mit
language:
- ja
- zh
pipeline_tag: translation
Release Notes
this model is finetuned from mt5-translation-ja_zh
reason for making this model
I was testing the model for translation of some of the Japanese game to Chinese
There are several production issues with the original model
so I did some "supervised" training just to fix them
模型公开声明
这个模型由 mt5-translation-ja_zh 继续训练得来
制作这个模型的原因
尝试使用各类模型进行游戏文本翻译的工作，游戏文本有非常典型的文本对应关系
尤其是游戏文本的翻译中，部分token必须被翻译，部分token必须保持原样，其主要的文本行数必须保持原样
因mt5的预训练包括对应关系，因而较为优秀
因为发现大佬已经进行了翻译的预训练，就直接在基础上精调
修复了一些对应的翻译出的位置问题，训练了一些需要的翻译词汇本模型缺陷
暂时只制作了mt5-large模型，需要大概8g以上的显存，过剩比较多
为了方便使用，设置成大batch一波推的做法，充分利用gpu资源，但它不会看上下文，因此认为是很大的弊端
数据集中固定翻译的词汇量不足，因此很多翻译会给你它知道的其他语言（一般是英文）
经过一些努力矫正后，它现在会zero-shot的给你一句空耳（出现这个zero-shot特性的时候我们翻译组都绷不住了）
A more precise example using it
使用指南
from transformers import pipeline
#pipe = pipeline("translation",model="mt5-trained",tokenizer="mt5-trained",repetition_penalty=1.4,batch_size=1,max_length=256)
pipe = pipeline("translation",
model="mt5-translation-ja_zh-game-v0.1",
repetition_penalty=1.4,
batch_size=1,
max_length=256
)
def translate_batch(batch, language='<-ja2zh->'): # batch is an array of string
i=0 # quickly format the list
while i<len(batch):
batch[i]=f'{language} {batch[i]}'
i+=1
translated=pipe(batch)
result=[]
i=0
while i<len(translated):
result.append(translated[i]['translation_text'])
i+=1
return result
inputs=[]
print(translate_batch(inputs))
simple webui
暂时的网页UI
roadmap
train mt-5 small and rwkv
make lora training script and ui
create algorism that save no-confidence translations into a db for manual correction
search the manual translatioin db with sentencepiece search to make it work with "previous translations"
搞mt5-small和rwkv，rwkv能读上下文
制造lora training脚本和ui
让ai将不确定的翻译文本导出用于人工翻译矫正
使用sentencepiece进行ai检索，获取相似的“上文翻译“，大幅提高ai翻译用词的一致性