---
language:
- en
- pt
tags:
- translation
- translation-en-to-pt
- marian
- opus-mt
license: apache-2.0
datasets:
- opus_books
metrics:
- bleu
model-index:
- name: opus-mt-tc-big-en-pt-en-pt-finetuned-20260527-234733
  results:
  - task:
      type: translation
      name: Translation
    dataset:
      type: opus_books
      name: opus_books (en-pt)
      args: en-pt
    metrics:
    - type: bleu
      value: 47.10052646392613
      name: BLEU
---

# opus-mt-tc-big-en-pt-en-pt-finetuned-20260527-234733

Este modelo é uma versão refinada (fine-tuned) do modelo [Helsinki-NLP/opus-mt-tc-big-en-pt](https://huggingface.co/Helsinki-NLP/opus-mt-tc-big-en-pt) para tradução de **EN** para **PT**.
O treinamento foi realizado utilizando a infraestrutura do **NPAD (Supercomputador da UFRN)** com Slurm.

## Detalhes do Modelo

- **Tipo do Modelo:** MarianMT (Seq2Seq)
- **Idioma de Origem:** EN
- **Idioma de Destino:** PT
- **Modelo Base:** `Helsinki-NLP/opus-mt-tc-big-en-pt`
- **Dataset de Treinamento:** `opus_books (en-pt)`

## Métricas de Avaliação Finais

- **BLEU Score:** **47.10052646392613**
- **Hiperparâmetros de Treinamento:**
  - Número de Épocas: `1`
  - Taxa de Aprendizado: `2e-05`

## Como Usar (Inferência)

Você pode testar este modelo diretamente no Hugging Face Spaces ou usando a biblioteca `transformers` em Python:

```python
from transformers import MarianMTModel, MarianTokenizer

model_name = "tarsssss/opus-mt-tc-big-en-pt-en-pt-finetuned-20260527-234733"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)

def traduzir(texto):
    # Preparar inputs
    inputs = tokenizer(texto, return_tensors="pt", padding=True, truncation=True)
    
    # Gerar a tradução
    translated_tokens = model.generate(**inputs)
    
    # Decodificar os tokens gerados
    resultado = tokenizer.decode(translated_tokens[0], skip_special_tokens=True)
    return resultado

frase = "Welcome to the world of open-source machine learning!"
traducao = traduzir(frase)
print(f"Original: {frase}")
print(f"Tradução: {traducao}")
```

## Agradecimentos e Infraestrutura
Agradecemos ao **NPAD (Núcleo de Processamento de Alto Desempenho - UFRN)** por ceder os recursos computacionais necessários para o treinamento deste modelo.