{"id":104737,"date":"2022-07-30T09:37:00","date_gmt":"2022-07-30T07:37:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/vypusk-sistemy-mashinnogo-perevoda-opennmt-2-28-0"},"modified":"2022-07-30T09:37:00","modified_gmt":"2022-07-30T07:37:00","slug":"vypusk-sistemy-mashinnogo-perevoda-opennmt-2-28-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/vypusk-sistemy-mashinnogo-perevoda-opennmt-2-28-0","title":{"rendered":"Ver\u00f6ffentlichung des maschinellen \u00dcbersetzungssystems OpenNMT 2.28.0.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die Ver\u00f6ffentlichung der Version 0.28.0 des OpenNMT-Systems f\u00fcr maschinelle \u00dcbersetzung (Open Neural Machine Translation) nutzt Methoden des maschinellen Lernens. Zur Erstellung des neuronalen Netzwerks setzt das Projekt auf die M\u00f6glichkeiten der TensorFlow-Bibliothek f\u00fcr tiefes maschinelles Lernen. Der Code der entwickelten Module von OpenNMT ist in Python geschrieben und steht unter der MIT-Lizenz. Fertige Modelle sind f\u00fcr die Sprachen Englisch, Deutsch und Katalanisch vorbereitet; f\u00fcr andere Sprachen kann ein Modell basierend auf den Datens\u00e4tzen des OPUS-Projekts selbst erstellt werden (zur Schulung des Systems werden zwei Dateien \u00fcbergeben \u2013 eine mit S\u00e4tzen in der Ausgangsprache und eine zweite mit qualitativ hochwertigen \u00dcbersetzungen dieser S\u00e4tze in die Zielsprache). <\/p>\n
Das Projekt entwickelt sich in Zusammenarbeit mit der Firma SYSTRAN, die sich auf maschinelle \u00dcbersetzung spezialisiert hat, sowie einer Gruppe von Forschern der Harvard Universit\u00e4t, die Sprachmodelle f\u00fcr maschinelles Lernen entwickeln. Die Benutzeroberfl\u00e4che ist stark vereinfacht und erfordert nur die Angabe einer Eingabedatei mit Text und einer Datei f\u00fcr das Speichern des \u00dcbersetzungsergebnisses. Das Erweiterungssystem erm\u00f6glicht die Implementierung zus\u00e4tzlicher Funktionen auf Basis von OpenNMT, wie z. B. Auto-Referierung, Textklassifizierung und die Generierung von Untertiteln. <\/p>\n
Der Einsatz von TensorFlow erm\u00f6glicht die Nutzung von GPU-Ressourcen zur Beschleunigung des Lernprozesses des neuronalen Netzwerks. Zur Vereinfachung der Verbreitung des Produkts wird auch eine eigenst\u00e4ndige Version des \u00dcbersetzers in C++ entwickelt \u2013 CTranslate2, die zuvor trainierte Modelle ohne Abh\u00e4ngigkeiten von zus\u00e4tzlichen Libraries verwendet. <\/p>\n