text-splitter

Rust实现的文本分割库支持多种格式和分词方式

text-splitter 分块 Rust 语言模型文本处理 Github 开源项目

text-splitter是一个Rust实现的文本分割库，可将长文本智能分割为较小的语义块。它支持基于字符数、多种分词器和语义边界的分割方法，适用于纯文本、Markdown和代码等格式。该库在保持语义完整性的同时优化块大小，有助于解决大型语言模型的上下文限制问题。text-splitter提供简单的API和多种自定义选项，适用于各种NLP和文本处理任务。

访问官网

Github

介绍相关项目

tokenizers - 文本分词处理工具

GithubTokenizers多语言绑定开源项目性能文本处理调优

tokenizers是一个高效的分词工具，旨在提供快速且多功能的文本处理解决方案。它可以迅速训练新的词汇库并进行分词，使用Rust语言编写以确保高性能。其接口设计简洁易用，适用于研究与生产，全面支持各种文本预处理需求。

rust-tokenizers - Rust实现的高性能自然语言处理分词器

Githubrust-tokenizers分词器开源项目性能优化自然语言处理语言模型

rust-tokenizers是一个为现代自然语言处理模型设计的分词器库。该项目支持WordPiece、BPE和Unigram等分词算法，适用于BERT、GPT、RoBERTa等Transformer架构。库提供单线程和多线程处理，并具有Python接口，可用于各类NLP项目的文本预处理。

jieba-rs - 使用 Rust 实现的中文分词库

GithubRustjieba-rs中文分词库开源项目性能优化

jieba-rs 是一个用 Rust 编写的中文分词库，提供快速和准确的分词功能。使用方法简单，通过添加到 Cargo.toml 即可使用。支持 TF-IDF 和 TextRank 关键字提取等功能，性能优异，比 cppjieba 快 33%。适用于多种开发环境，包括 NodeJS、PHP、Python 和 WebAssembly。

Splitting - JavaScript微库实现多样化文本和元素分割

CSS变量DOM分割GithubJavaScript库Splitting.js动画效果开源项目

Splitting.js是一个JavaScript微库，用于多种方式分割元素，包括单词、字符和子节点。通过生成带CSS变量和数据属性的<span>标签，该库为开发者提供了新的CSS过渡和动画可能性。这个轻量级工具为网页开发带来了创新的文本处理和动画解决方案，适用于需要精细控制文本展示和动画效果的项目。它能够满足各种复杂的文本处理需求，为开发者提供灵活而强大的工具，帮助创建更具吸引力和交互性的网页设计。

tiktoken-rs - OpenAI模型专用的Rust分词和计数库

GPTGithubOpenAIRusttiktoken-rstokenizer开源项目

tiktoken-rs是一个Rust实现的文本分词库，特别为OpenAI的GPT和其他相关模型设计，具备分词和计数的功能。支持多种OpenAI编码格式如GPT-3和GPT-4，用户可以通过Cargo轻松安装并使用，并在开源库中找到完整的示例。适用于需要高效、准确文本处理的开发者。

sudachi.rs - Rust实现的高性能日语分词工具

GithubRust实现Sudachi命令行工具开源项目形态分析器日语分词

sudachi.rs项目是日语形态分析工具Sudachi的Rust版本。它能够进行多粒度分词、词形标准化和空格分词。此外,该工具支持用户自定义词典、处理未知词,并可通过命令行或API使用。sudachi.rs以高效性能和易用性为特点,适用于各种日语自然语言处理任务。

wtpsplit - 多语言文本分割工具支持85种语言的高效句子和段落分割

GithubSaT多语言开源项目文本分割深度学习自然语言处理

wtpsplit是一个开源的文本分割工具，实现了最新的SaT模型。它支持85种语言的句子和段落分割，具有高效、稳健的特点。该工具通过LoRA技术可适应特定领域和风格，提供多种模型大小以满足不同应用需求。wtpsplit在保持高性能的同时，还具有较低的计算成本，适用于从通用句子分割到特定领域文本处理的各种场景。

rust-html2text - Rust库实现HTML到纯文本的高效转换

CSS支持DOM解析GithubHTML转文本Rusthtml2text开源项目

rust-html2text是一个Rust库，专注于将HTML转换为纯文本。该库使用Servo项目的html5ever解析器，通过DOM生成文本，并可选择包含超链接等特性的注释。它为终端和其他需要HTML文本转换的场景提供合理的渲染效果。rust-html2text支持基本的CSS处理，提供灵活的API，并包含html2text和html2term等示例程序。这个库适用于各种HTML到文本的转换需求。

rust-bert - 基于Rust语言开发的高效自然语言处理库

Githubrust-bert开源项目情感分析机器翻译自然语言处理问答系统

rust-bert是基于Rust语言开发的高效自然语言处理库，支持问答、命名实体识别、翻译和摘要生成等多种任务。此库支持多线程分词和GPU推断，具备丰富的API，便于开发者和研究人员快速部署使用多种预训练模型。

vibrato - Viterbi算法驱动的高效分词器

GithubMeCabRustVibratotokenization开源项目形态素分析

Vibrato是利用Viterbi算法的高效分词器，用Rust重写并优化了MeCab分词器，显著提高分词性能。它支持与MeCab兼容的输出，并允许从自己的数据训练分词参数。Vibrato擅长处理大规模矩阵数据，加快分词速度。项目提供了Python接口和WebAssembly演示，兼顾多种应用场景。详见项目文档，可通过Slack社区进行讨论。支持Apache 2.0和MIT双许可。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号