компактная модель для перевода с английского на турецкий
schedule 2 мин чтенияобновлено
Новая языковая модель Dilmaç 28M создана специально для быстрого перевода текста с английского на турецкий язык. При размере всего в 28 миллионов параметров (весит около 112 МБ в формате fp32 или 56 МБ в bf16) модель работает полностью локально и способна эффективно функционировать даже на обычных процессорах ноутбуков. Архитектура представляет собой Transformer типа «encoder-decoder» с 8 слоями кодировщика и 2 слоями декодировщика, оптимизированный под предложения длиной до 128 токенов. Разработка ориентирована на разработчиков и исследователей, которым нужен быстрый и легковесный инструмент машинного перевода без обращения к облачным API.
Ключевые особенности
Эффективность: высокая скорость работы на CPU и интегрированной графике благодаря малому весу и оптимизированной архитектуре.
Надежность перевода: показывает стабильные результаты на стандартных бенчмарках, таких как FLORES-200.
Локальный запуск: работает полностью офлайн без отправки данных на внешние сервера.
Гибкая настройка декодирования: поддержка параметров beam search (поиска по лучу) для контроля качества и предотвращения зацикливания.
Что можно сделать
Интеграция в приложения: добавить быстрый перевод текстов в мобильные или настольные программы для работы в офлайн-режиме.
Создание утилит: использовать модель в локальных ботах или скриптах для перевода сообщений и документов.
Черновой перевод: генерировать предварительные варианты перевода статей и писем для последующей редактуры человеком.
Исследования: применять в качестве быстрой базовой модели для экспериментов по дистилляции и машинному переводу.
Пример
from transformers import AutoModel, AutoTokenizer
repo = "edededdy/dilmac-en-tr-28m"
tok = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModel.from_pretrained(repo, trust_remote_code=True)
model.translate("Where is the nearest train station?", tok)
# 'En yakın tren istasyonu nerede?'
ПодробнееМетрики: 54.83 chrF++ / 26.32 BLEU на FLORES-200 devtest (с параметром num_beams=4). Требования к железу: совместима с CPU и GPU, поддерживает оптимизацию до формата bf16 для экономии памяти и ускорения. Ограничения: работает только в одном направлении (с английского на турецкий), обрабатывает предложения длиной до 128 токенов, испытывает трудности с заголовками и сложными контекстами. Лицензия: Apache-2.0.
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# edededdy/dilmac-en-tr-28m — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve edededdy/dilmac-en-tr-28m --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии