nellaw/nllb-fongbe-french-translation

NLLB-Fongbe: Traduction Français → Fongbe 🇫🇷 → 🇧🇯

Modèle de traduction automatique Français → Fongbe basé sur NLLB-200-distilled-600M, adapté au fongbe (langue parlée au Bénin).

Entraînement: Continuous pre-training sur textes bibliques + Fine-tuning sur 45,378 paires français-fongbe

BLEU Score: 10.29 | 615M paramètres

Utilisation

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

# Charger le modèle
model_name = "nellaw/nllb-fongbe-french-translation"
tokenizer = AutoTokenizer.from_pretrained(model_name, src_lang="fra_Latn", tgt_lang="fon_Latn")
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

# Traduire
text_fr = "Bonjour, comment allez-vous?"
inputs = tokenizer(text_fr, return_tensors="pt", max_length=128, truncation=True)
outputs = model.generate(
    inputs.input_ids,
    max_length=128,
    num_beams=5,
    forced_bos_token_id=tokenizer.convert_tokens_to_ids("fon_Latn")
)
translation = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(translation)  # "Ku do gbe, nɛ mi ɖe gbɔn ?"

Comparaison NLLB-200 Base vs Notre Modèle

Français	📦 NLLB-200 Base	🎯 Notre Modèle	💡 Amélioration
Bonjour	Xomɛ kpɔ́n	Ku do gbe	Plus naturel
Comment allez-vous?	Nɛ̌ mi ka ɖe gbɔn?	Nɛ mi ɖe gbɔn ?	Simplifié
Je m'appelle Jean	nyǐkɔ ce wɛ nyí Jean	Un nɔ nyi Jean.	Structure directe
Dieu est bon	Mawu nyɔ́	Măwŭ nyɔ́	Diacritiques précis
Au revoir	Agɔ́ nú mì	E yi gbe	Plus courant
Je viens du Bénin	Un gosín Bénin	Un gosin Bεnε	Orthographe locale
Merci beaucoup	Mi na dó kú nú mi tawun	Kú dé wú	Concis et naturel
Je voudrais apprendre le fongbe	Un jló na kplɔ́n fɔnbu ❌	Un jlo na kplɔn fongbe ✅	Orthographe correcte!

Performances

• BLEU: 10.29 (excellent pour une langue à faibles ressources)
• 2-3x meilleur que NLLB-200 de base (~3-4 BLEU)
• Orthographe correcte et diacritiques précis
• Formulations naturelles et idiomatiques

Limitations

⚠️ Entraînement sur textes bibliques: Le modèle a été entraîné principalement sur des paroles bibliques. Il n'est pas encore parfait et peut avoir des performances variables sur d'autres domaines (conversation quotidienne, technique, médical, etc.)

• Langue à faibles ressources (données limitées)
• Performances optimales sur phrases courtes et moyennes

Liens

• Code et exemples: GitHub - Arnel7/fon
• Modèle de base: facebook/nllb-200-distilled-600M

License

CC-BY-NC-4.0 (usage non-commercial)