{"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\/es\/blog\/news\/vypusk-sistemy-mashinnogo-perevoda-opennmt-2-28-0","title":{"rendered":"Publicaci\u00f3n del sistema de traducci\u00f3n autom\u00e1tica OpenNMT 2.28.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Se ha publicado la versi\u00f3n del sistema de traducci\u00f3n autom\u00e1tica OpenNMT 0.28.0 (Traducci\u00f3n Autom\u00e1tica Neuronal Abierta), que utiliza m\u00e9todos de aprendizaje autom\u00e1tico. Para construir la red neuronal, el proyecto aprovecha las capacidades de la biblioteca de aprendizaje autom\u00e1tico profundo TensorFlow. El c\u00f3digo de los m\u00f3dulos desarrollados por el proyecto OpenNMT est\u00e1 escrito en Python y se distribuye bajo licencia MIT. Los modelos listos est\u00e1n preparados para los idiomas ingl\u00e9s, alem\u00e1n y catal\u00e1n; para otros idiomas, se puede crear un modelo de forma independiente utilizando el conjunto de datos del proyecto OPUS (para entrenar a la sistema, se env\u00edan dos archivos: uno con oraciones en el idioma original y otro con la traducci\u00f3n de esas oraciones en el idioma objetivo). <\/p>\n
El proyecto avanza con la participaci\u00f3n de la empresa SYSTRAN, especializada en la creaci\u00f3n de herramientas de traducci\u00f3n autom\u00e1tica, y un grupo de investigadores de Harvard, que desarrollan modelos de lenguaje humano para sistemas de aprendizaje autom\u00e1tico. La interfaz de usuario est\u00e1 simplificada al m\u00e1ximo y solo requiere indicar el archivo de entrada con el texto y el archivo para guardar el resultado de la traducci\u00f3n. El sistema de extensiones permite implementar funcionalidades adicionales sobre OpenNMT, como auto-referencias, clasificaci\u00f3n de textos y generaci\u00f3n de subt\u00edtulos. <\/p>\n
El uso de TensorFlow permite aprovechar las capacidades de la GPU (para acelerar el proceso de entrenamiento de la red neuronal). Para facilitar la distribuci\u00f3n del producto, el proyecto tambi\u00e9n est\u00e1 desarrollando una versi\u00f3n autocontenida del traductor en lenguaje C++ \u2014 CTranslate2, que utiliza modelos previamente entrenados sin depender de dependencias adicionales. <\/p>\n