Description in English
NLLB-200-Distilled-600M Russian to Uzbek Translation
Model Description
This model is a fine-tuned version of Meta's NLLB-200-Distilled-600M, tailored specifically for translating text from Russian to Uzbek. It leverages the powerful base of the NLLB framework, designed to provide high-quality translations across numerous languages, now with enhanced proficiency in the Russian to Uzbek language pair thanks to targeted fine-tuning.
Python Code Example
from transformers import pipeline
# Initialize the translation pipeline
translator = pipeline("translation_ru_to_uz", model="sarahai/nllb-ru-uz")
# Translate text from Russian to Uzbek
russian_text = "Это пример предложения для перевода."
translation = translator(russian_text)
print("Translation:", translation[0]['translation_text'])
Description in Russian
NLLB-200-Distilled-600M Перевод с русского на узбекский
Описание Модели
Эта модель является доработанной версией модели Meta NLLB-200-Distilled-600M, предназначенной специально для перевода текстов с русского на узбекский язык. Она использует мощную основу фреймворка NLLB, созданного для обеспечения качественного перевода между многими языками, теперь с улучшенной способностью в паре русский-узбекский благодаря целевой доработке.
Пример кода на Python
from transformers import pipeline
# Инициализация пайплайна перевода
translator = pipeline("translation_ru_to_uz", model="sarahai/nllb-ru-uz")
# Перевод текста с русского на узбекский
russian_text = "Это пример предложения для перевода."
translation = translator(russian_text)
print("Перевод:", translation[0]['translation_text'])
Планируется улучшение модели и совершенствование переводов путем тренировки на более объемном датасете.
- Downloads last month
- 23
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social
visibility and check back later, or deploy to Inference Endpoints (dedicated)
instead.
Space using sarahai/nllb-ru-uz 1
Evaluation results
- BLEU Score on Custom Dataset (10k parallel sentences)self-reportedyour_model's_bleu_score