Thử nghiệm WebGPU · chạy hoàn toàn trong trình duyệt

Dịch Trung → Việt, tự gắn thẻ tên riêng

Một mô hình 37 triệu tham số vừa dịch vừa đánh dấu tên người, địa danh, tổ chức và vật phẩm (pháp bảo, đan dược, công pháp, trận pháp) ngay trong bản dịch. Không cần mô hình nhận dạng tên riêng thứ hai, và văn bản không rời khỏi máy bạn.

Đang khởi tạo…

Nguyên văn tiếng Trung

Ví dụ:
Ctrl + Enter

Bản dịch

  • Tên Người PER
  • Tên Địa danh LOC
  • Tên Tổ chức ORG
  • Tên Vật phẩm ITEM

Bản dịch sẽ hiện ở đây.

Tên riêng trong bản dịch

Chưa có tên riêng nào.

Cách hoạt động

  1. Mô hình dịch từng câu và tự chèn thẻ quanh tên riêng ngay khi dịch, ví dụ <ITEM>Xích Tiêu Kiếm</ITEM>. Thẻ là 8 từ đặc biệt trong từ vựng, nên không cần bước nhận dạng riêng.
  2. Trong lúc dịch, một lớp phân loại rất nhỏ (4.041 tham số) đọc trạng thái của bộ mã hoá và tìm tên trong nguyên văn tiếng Trung. Bước này chỉ tốn vài mili giây.
  3. Trang ghép tên tiếng Việt với tên tiếng Trung theo âm Hán-Việt. Nếu âm không khớp, trang ghép theo thứ tự trong câu.
  4. Khoảng 2 % câu có thẻ lệch, ví dụ mở LOC rồi đóng PER. Trang sửa bằng luật cố định và hiện nhãn “Đã sửa thẻ”. Luật này không bao giờ tạo thêm tên.

Giải mã tham lam (greedy) với phạt lặp 1,05. Lần đầu tải 37 MB trọng số 8 bit; các lần sau trình duyệt đọc từ bộ nhớ đệm.

Độ chính xác

F1 từ 0 đến 1, càng cao càng tốt.
LoạiThẻ trong bản dịchTên trong nguyên văn
Người · PER0,880,90
Địa danh · LOC0,540,54
Tổ chức · ORG0,680,67
Vật phẩm · ITEM0,680,77

Người, địa danh, tổ chức: 500 câu có nhãn chuẩn, lấy từ 11 truyện. Vật phẩm: 300 câu khác có nhãn vật phẩm đầy đủ. Thẻ trong bản dịch được chấm sau khi trang sửa thẻ lệch.

Hạn chế

  • Thẻ vật phẩm là phần mới và yếu nhất: khoảng 7/10 thẻ đúng, và mô hình bỏ sót khoảng 1/3 vật phẩm. Tên gọi chung như “kiếm” hay “đan dược” không được gắn thẻ.
  • Địa danh và tổ chức yếu hơn tên người rõ rệt. Trong nguyên văn, biên của tên hay dính thêm danh xưng (真君, 长老).
  • Cùng một tên có thể được đọc khác nhau giữa các câu, ví dụ “Mặc Thái Hoàn” và “Mặc Thải Hoàn”.
  • Bản dịch (sau khi bỏ thẻ) khác bản dịch của MoxhiMT-30 gốc ở khoảng 4/5 số câu, phần lớn là khác cách diễn đạt. Trên 1.392 câu kiểm thử, điểm BLEU thấp hơn bản gốc 0,13. Chưa có người đọc đánh giá mù.
  • Trang dùng trọng số 8 bit để tải nhanh. Bản dịch trùng từng chữ với trọng số 32 bit ở khoảng 83 % số câu; phần lệch chủ yếu là chọn từ.
  • Cần WebGPU: Chrome hoặc Edge 113 trở lên trên máy tính, Chrome trên Android 12 trở lên. Chưa thử Safari và iPhone.

Tải và dùng mô hình

Giấy phép CC BY-NC 4.0: dùng cho nghiên cứu và mục đích phi thương mại.