Python本地离线运行机器翻译代码示例 基于Hugging Face

# Python本地离线运行机器翻译代码示例 基于Hugging Face 本项目演示了如何调用Hugging Face的大模型实现本地离线实现机器翻译，Python代码简洁易懂，方便上手，能够快速实现强大的离线翻译功能。 使用方法： 1. 安装 transformers 和 tokenizers 库 ``` pip install transformers tokenizers ``` 2. 运行 translation_en_zh.py 进行英译汉翻译；运行 translation_zh_en.py 进行汉译英翻译。 ------ 在Hugging Face平台上获取多语言翻译模型,并用Python调用的详细教程: 一、在Hugging Face Hub上获取翻译模型 1. 访问Hugging Face模型库网站 https://huggingface.co/models?pipeline_tag=translation&sort=trending 2. 使用搜索功能找到需要的翻译模型,例如英译汉可以搜索"en-zh",汉译英搜索"zh-en"。 3. 找到合适的模型,点击模型获取相应的代码和文档。 二、准备环境 1. 安装 transformers 和 tokenizers 库 ``` pip install transformers tokenizers ``` 2. 导入相关类 ```python from transformers import AutoModelForSeq2SeqLM, AutoTokenizer ``` 三、加载模型和分词器 ```python model = AutoModelForSeq2SeqLM.from_pretrained("模型名称") tokenizer = AutoTokenizer.from_pretrained("模型名称") ``` 四、定义需要翻译的文本 ```python text_to_translate = "要翻译的文本" ``` 五、进行分词并生成翻译 ```python tokens = tokenizer(text_to_translate, return_tensors="pt") output = model.generate(**tokens) ``` 六、解码得到翻译结果 ```python translation = tokenizer.decode(output[0], skip_special_tokens=True) print(translation) ``` 按照上述流程,就可以实现不同语言对的翻译,只需要替换为对应的模型,例如汉译英使用"Helsinki-NLP/opus-mt-zh-en"。 英语到中文: Helsinki-NLP/opus-mt-en-zh 中文到英语: Helsinki-NLP/opus-mt-zh-en 中文到日语: Helsink-NLP/opus-mt-zh-ja 中文到法语: Helsink-NLP/opus-mt-zh-fr 在 https://huggingface.co/models?pipeline_tag=translation&sort=trending 可以查找更多模型，替换程序中的模型名字即可。