我可以在我的 python NLP 项目中使用 Facebook 翻译服务吗？

Question

我希望你感觉良好和安全。

我正在攻读硕士学位的自然语言处理项目，我确实需要将我的当地方言翻译成英语，我注意到 Facebook 翻译机对我的当地方言做得很好。

所以我的问题是有什么方法可以在我的项目中使用 Facebook 翻译服务，比如有没有使用它的 api 或 python 模块。

Answer 1

哪种语言是您的本地语言？

Facebook有很多机器翻译模型，所以就看它有多好，你有多少算力。 我不确定他们是否也提供他们在产品中作为独立翻译工具使用的最新技术。

第一个选项：在本地运行完整模型

一种方法是在 huggingface 上使用他们的模型之一（参见“生成”部分）： https://huggingface.co/docs/transformers/model_doc/m2m_100#training-and-generation

他们的 torch.hub 模块中也有一些易于使用的预训练模型（但可能不涵盖您的本地语言）： https://github.com/pytorch/fairseq/blob/main/examples/translation/README。医学博士

第二种选择：API

正如我所说，这取决于您需要什么样的质量，您可以尝试一些易于使用的（非 facebook）API，看看它能让您走多远，因为这更容易，您可以在线使用它们：

例如https://libretranslate.com/

或者查看 API 比较： https://rapidapi.com/collection/google-translate-api-alternatives

API 通常限制为每月/每天/分钟的最大字符/单词/请求数，因此您必须查看这是否足以满足您的情况以及质量是否可以接受。

第三个选项：pip 个使用 API 的包

例如查看： https://pypi.org/project/deep-translator/

第四个选项：pip 在本地运行翻译的包装包

一个很棒的 package 实际上有一些非常强大的 facebook MT 模型是： https://pypi.org/project/EasyNMT/ （它也有强大的 m2m_100 模型）

更轻巧但可能不那么坚固： https://github.com/argosopentech/argos-translate

结论：

因为我假设你的本地语言不受那么多模型的支持，所以我会首先尝试第四个选项（从最大的模型开始，如果它不起作用，请尝试较小的模型）。

如果这不起作用，您可以尝试是否可以让 API 为您的案例工作。

如果你有很强的计算能力并且想要 go 更深入一点，你可以使用 huggingface 或 fairseq 在本地运行完整的 model 推理。