nllb-fr-adja-v1 — français ↔ adja, int8
Traduction automatique bidirectionnelle français ↔ adja (sud du Bénin et Togo (langue gbe)), par fine-tuning de NLLB-200-distilled-600M, quantifiée en int8 (CTranslate2). Auteur : AWADEME Ronaldo — Finanfa Tech.
Accès sur demande. Ce modèle est dérivé d'un corpus à usage de recherche uniquement : l'accès est soumis à validation et à l'acceptation de ces conditions.
🇬🇧 Summary: French ↔ adja (Benin) MT model, fine-tuned from NLLB-200-distilled-600M with an added language token, int8 CTranslate2. Research-grade, modest scores, not validated by native speakers.
⚠️ À lire avant d'utiliser
- Modèle de recherche, version 1, entraîné sur peu de données (10801 paires). Les scores sont modestes : ne l'utilisez pas pour des textes juridiques, médicaux ou toute situation où une erreur a des conséquences.
- Aucune validation par des locuteurs natifs. Les données ont été filtrées automatiquement.
- NLLB-200 ne connaît pas cette langue. Un jeton de langue
ajg_Latna été ajouté et initialisé sur le fon (langue gbe voisine) (fon_Latn) : ce choix de langue proche est une hypothèse, non comparée à d'autres. - Répétitions. Le modèle peut boucler (un mot répété). Utilisez les paramètres anti-répétition ci-dessous : 1.0 % des sorties du test contiennent un mot répété 3 fois de suite en mode standard, 0.0 % avec le contrôle.
- CC-BY-NC-SA 4.0 : usage non commercial, avec partage à l'identique et attribution (NLLB-200 est en CC-BY-NC-4.0 ; les données adja imposent le partage à l'identique).
Utilisation
pip install ctranslate2 transformers sentencepiece huggingface_hub
import ctranslate2
from huggingface_hub import snapshot_download
from transformers import AutoTokenizer
path = snapshot_download("finanfa-tech/nllb-fr-adja-v1")
translator = ctranslate2.Translator(path, device="cpu")
tokenizer = AutoTokenizer.from_pretrained(path)
def translate(text, src_lang, tgt_lang):
tokenizer.src_lang = src_lang
tokens = tokenizer.convert_ids_to_tokens(tokenizer.encode(text))
r = translator.translate_batch([tokens], target_prefix=[[tgt_lang]], beam_size=4, max_decoding_length=96,
no_repeat_ngram_size=3, repetition_penalty=1.2) # anti-répétition
return tokenizer.decode(tokenizer.convert_tokens_to_ids(r[0].hypotheses[0][1:]), skip_special_tokens=True)
print(translate("Bonjour, comment vas-tu ?", "fra_Latn", "ajg_Latn")) # français -> adja
print(translate("...", "ajg_Latn", "fra_Latn")) # adja -> français
Codes : fra_Latn (français) et ajg_Latn (adja, jeton ajouté). Phrases courtes (≲ 30 mots), une phrase à la fois. N'ajoutez pas fix_mistral_regex=True au tokenizer.
Évaluation
Mesures sur 600 phrases tirées au hasard (graine fixe) dans chacun des jeux de validation (1 332 phrases) et de test (1 451 phrases) (phrases uniquement ; aucune paire n'a son texte français ni adja dans l'entraînement : split sans fuite), chrF++ / BLEU (sacrebleu), modèle int8 sur CPU.
| Jeu | fr→adja chrF++ | fr→adja BLEU | adja→fr chrF++ | adja→fr BLEU |
|---|---|---|---|---|
| valid, standard (600 phrases) | 38.1 | 22.5 | 42.6 | 27.2 |
| valid, anti-répétition (600 phrases) | 38.3 | 22.5 | 42.5 | 27.1 |
| test, standard (600 phrases) | 40.4 | 25.2 | 44.7 | 28.8 |
| test, anti-répétition (600 phrases) | 41.0 | 25.6 | 44.8 | 29.0 |
Lecture honnête :
- Pas de point de comparaison : le jeton de langue étant nouveau, NLLB-200 de base n'a pas de score sur cette langue.
- Jeux petits (validation 1332, test 1451 phrases) : comptez une marge d'erreur de plusieurs points.
- Les références contiennent des erreurs possibles (données non relues par des locuteurs natifs).
Exemples (premières phrases du test, non sélectionnées ; mode anti-répétition)
Français → adja
| Source | Référence | Sortie |
|---|---|---|
| Partez sur-le-champ. | Xonuxu zeɖeka | Miyi axwe lɔ ji. |
| Sa mère s'inquiète à son sujet. | Enɔlɔ bubu ɔ yi enyɔ kpɔ́ | Enɔlɔ vɔnvɔn do eyi nu. |
| Ces plantes ne croissent que dans la nature. | Aci yiketɔ wo shinkɔ do le xemɛtɔji | Aci cɛwo pleŋu va do le nɔnɔmɛ. |
| Je recommande fortement ce lieu-ci comme but d'une courte promenade. | ŋu sɔ̀sɔ́ ɔ elɛ mɔ yi anyi esa kleŋu ɖyi xu. | Ŋudokɔ emɔn nɔ axwe cɛ keŋu yi wo ayi zɔnlin hwɛɖeka. |
| elle laisse le sac | e tanɔshi godu lɔ | e tanɔshi godu lɔ |
| Vas-tu me répondre? | A ɖo enyɔ nu nɔŋu à? | A ɖoŋuci nɔŋu a? |
Adja → français
| Source | Référence | Sortie |
|---|---|---|
| Xonuxu zeɖeka | Partez sur-le-champ. | Parle un peu. |
| Enɔlɔ bubu ɔ yi enyɔ kpɔ́ | Sa mère s'inquiète à son sujet. | Sa mère a pensé que c'était bien. |
| Aci yiketɔ wo shinkɔ do le xemɛtɔji | Ces plantes ne croissent que dans la nature. | Les arbres poussent à cinq mètres. |
| ŋu sɔ̀sɔ́ ɔ elɛ mɔ yi anyi esa kleŋu ɖyi xu. | Je recommande fortement ce lieu-ci comme but d'une courte promenade. | Je l'ai laissé ici pour un peu d'espoir. |
| e tanɔshi godu lɔ | elle laisse le sac | tu laisses le sac |
| A ɖo enyɔ nu nɔŋu à? | Vas-tu me répondre? | Peux-tu me dire quelque chose? |
Entraînement
- Base :
facebook/nllb-200-distilled-600M, jetonajg_Latnajouté (initialisé surfon_Latn). - Données : 10801 paires d'entraînement utilisées dans les deux sens, issues de le corpus
JosueG/french-adja-parallel-corpus(dépôt à accès contrôlé). - Procédé : 2700 pas (4 époques), Adafactor, lr 1e-4, batch effectif 32, fp16, 1 GPU, 32.4 min. Quantification CTranslate2 int8.
- Données et licence : CC-BY-NC-SA 4.0 + accès contrôlé, usage de recherche uniquement, respect des droits de la communauté adja. Le corpus n'est pas redistribué. Citez les auteurs du corpus (voir sa fiche).
Limites
- Très faible ressource ; domaine limité (phrases courtes, vocabulaire de dictionnaire) ; orthographe non harmonisée ; pas de dialogue ; pas d'évaluation humaine.
Auteur et contact
AWADEME Ronaldo — Finanfa Tech · compte Ronaldodev
Citation
@misc{awademe2026nllbfradja,
author = {AWADEME, Ronaldo}, title = {nllb-fr-adja-v1: French-Adja machine translation, int8},
year = {2026}, publisher = {Finanfa Tech, Hugging Face}, url = {https://huggingface.co/finanfa-tech/nllb-fr-adja-v1}
}
@article{nllb2022, title={No Language Left Behind: Scaling Human-Centered Machine Translation}, author={NLLB Team}, journal={arXiv:2207.04672}, year={2022}}
- Downloads last month
- -
Model tree for finanfa-tech/nllb-fr-adja-v1
Base model
facebook/nllb-200-distilled-600M