JoeyS2T 是一个扩展 JoeyNMT 用于语音转文字任务，如自动语音识别和端到端语音翻译的工具，使用卷积层等语音相关组件，并在英语语音识别和英语到德语语音翻译基准测试中表现良好。

Oct, 2022

本文介绍一个基于 Transformer 库的神经机器翻译（NMT）工具包 Yet Another Neural Machine Translation Toolkit（YANMTT），该工具包允许用户进行预训练、迁移学习、微调和可视化与分析，以及其他高级功能，例如文本多源 NMT 和压缩等。

Aug, 2021

XNMT 是一款开源的、基于模块化代码设计的神经机器翻译工具，可应用于机器翻译、语音识别和多任务翻译 / 解析等领域。

Mar, 2018

该研究描述了一个优先考虑效率、模块化和可扩展性的神经机器翻译开源工具集，用于支持对模型架构、特征表示和源模态进行 NMT 研究，同时保持竞争性能和合理的训练要求。

Jan, 2017

OpenNMT 是一种面向 NMT 研究的开源工具包，主要关注效率、可扩展性和可组合性，并且在多个生产 MT 系统中得到了应用。

May, 2018

该论文介绍了 nmtpy，一个基于 Theano 的灵活的 Python 工具包，用于培训神经机器翻译和其他神经序列到序列的结构。

Jun, 2017

Google 发布的 GNMT 神经机器翻译系统采用 LSTM 深度学习网络，使用 attention 机制和残差连接，借助词元素 (wordpieces) 将单词划分为子单元，提高了稀有单词处理能力与整体系统精度。

Sep, 2016

THUMT 是一个开源的神经机器翻译工具包，采用基于注意力的编码器 - 解码器框架，在 Theano 上实现，并支持最大似然估计、最小风险训练和半监督训练三种训练标准。它还提供了一种可视化工具，用于显示神经网络中隐藏状态和上下文单词之间的关联，从而有助于分析 NMT 的内部工作原理。在中英数据集上的实验表明，使用最小风险训练的 THUMT 明显优于目前最先进的 NMT 工具 GroundHog。

Jun, 2017

MT-DNN 是一种基于 PyTorch 和 Transformers 的自然语言理解工具包，支持深度学习模型的个性化训练，使用多种目标和文本编码器，并具有鲁棒性和可迁移性的多任务学习方法，支持多任务知识蒸馏。MT-DNN 已在一系列 NLU 应用中展示了其效果。

Feb, 2020

该论文介绍了一个新的神经机器翻译系统，并将其与两个常规的在线引擎（统计和神经）以及作者自己的统计机器翻译系统进行了基准测试。同时，该论文还分析了句子长度对统计机器翻译和神经机器翻译系统翻译输出质量的影响。

Jul, 2017