README.md

---
license: mit
language:
- ja
- zh
pipeline_tag: translation
---
# Release Notes
* this model is finetuned from mt5-translation-ja_zh

* reason for making this model<br>
  I was testing the model for translation of some of the Japanese game to Chinese<br>
  There are several production issues with the original model<br>
  so I did some "supervised" training just to fix them <br>

# 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<br>
  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<br>
  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<br>
  因mt5的预训练包括对应关系，因而较为优秀<br>
  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<br>
  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<br>
* 本模型缺陷<br>
  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<br>
  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<br>
  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）<br>
  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）<br>
  
# A more precise example using it
# 使用指南
```python
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<br>
make lora training script and ui<br>
create algorism that save no-confidence translations into a db for manual correction<br>
search the manual translatioin db with sentencepiece search to make it work with "previous translations"<br> 

搞mt5-small和rwkv，rwkv能读上下文<br>
制造lora training脚本和ui<br>
让ai将不确定的翻译文本导出用于人工翻译矫正<br>
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<br>