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

tiny-llama-fast-tokenizer - 测试用途的轻量级语言模型分词器

GithubHuggingface开源项目权重初始化模型模型测试模型评估测试目的随机权重

tiny-llama-fast-tokenizer是一个专为测试目的设计的轻量级语言模型分词器。该项目使用随机权重，主要用于快速验证分词过程。它不适用于实际生产环境，但对于开发者进行初步测试和评估非常有用。这个工具为开发者提供了一个简单的方式来验证和测试分词过程，特别适合在开发初期快速进行概念验证。

gse - 多语言高效NLP和文本分词工具

GithubGo语言NLPgse分词算法多语言支持开源项目

Gse是一款支持多种分词模式及多语言（包括英文、中文、日文等）的高效NLP和文本分词工具。它采用双数组Trie和动态规划等算法，并通过ElasticSearch和Bleve集成，提供强大的文本处理能力。项目内还支持TensorFlow的NLP和命名实体识别（NER）功能，支持用户自定义词典和词性标注。作为一个开源项目，Gse在简体中文、传统中文和其他语言的文本处理上有优异表现。

ocrs - 基于Rust的开源OCR引擎和命令行工具

GithubOCRONNXRust图像文字提取开源项目机器学习

ocrs是一个基于Rust的开源光学字符识别(OCR)库和命令行工具，利用机器学习技术从各类图像中提取文本。它旨在提供一个现代化的OCR引擎，能够处理多种图像类型，并大幅减少预处理工作。ocrs具有跨平台兼容性，支持WebAssembly，使用开放许可数据集训练。目前项目处于早期阶段，支持拉丁字母识别，并计划未来扩展更多语言支持。

Tokenizer - 跨平台BPE编码实现

C#GithubOpenAITokenizationTokenizerTypescript开源项目

该项目提供了TypeScript和C#版的字节对编码(BPE)tokenizer，主要用于OpenAI LLMs，并基于开源的Rust实现。适用于Node.js和.NET环境，在传递提示词给LLM前进行tokenization处理。建议C#用户从Microsoft.DeepDev.TokenizerLib迁移至性能更优的Microsoft.ML.Tokenizers。欢迎开发者贡献代码和意见。

disruptor-rs - Rust实现的高性能跨线程通信库

DisruptorGithubRust低延迟并发编程开源项目线程通信

disruptor-rs是一个Rust实现的高性能跨线程通信库。支持多种生产者-消费者模式，提供批量事件处理功能。专注低延迟设计，基准测试优于Crossbeam。支持线程亲和性设置和处理器线程命名，适用于对延迟敏感的应用场景。

whatlang-rs - 自然语言检测库，关注简洁高效

GithubRustWhatlang开源项目性能自然语言检测语言识别

Rust实现的高效自然语言检测库，支持69种语言，识别语言和文字脚本（如拉丁文、西里尔文等），并提供可靠性评估。轻量、快速且简洁，适用于Sonic、Meilisearch等项目。

idiomatic-rust - Rust惯用编程指南与资源汇总

GithubRust代码规范学习资源开源开源项目编程

该项目汇集了Rust惯用编程的权威资源，包含开源项目、工作坊、书籍、文章和演讲等多样化内容。涵盖Rust编程各个层面，适合不同水平的开发者学习和参考。资源由社区持续更新维护，旨在推广Rust最佳实践，促进生态系统发展。

rust-blog - Rust 编程教程与高级技术博客

GithubRust博客并发编程开源项目标准库编程教程

该博客专注于 Rust 编程语言，提供从初学到进阶的技术内容。主题包括并发编程、RESTful API 开发、标准库特性和内存管理等。博客文章深入浅出，涵盖 Rust 核心概念和高级特性，并提供多语言翻译。适合 Rust 开发者学习和提升技能。

llm - 用于处理大型语言模型的 Rust 库生态系统

GithubLLMRustggmlinference librarymachine learning开源项目

该项目因时间和资源不足已归档，建议使用其他高质量的Rust推理库，如Ratchet、Candle和llama.cpp等。项目原README包含当前状态、支持的模型及使用方法等详细信息。

rust - 强调安全性和并发性的现代系统编程语言

GithubRust可靠性开源项目性能生产力编程语言

Rust作为一种系统编程语言，在安全性和并发性方面表现突出。它通过独特的类型系统和所有权模型，在编译阶段就能保证内存和线程安全。Rust不仅提供了高性能和可靠性，还配备了完善的文档和工具链，如Cargo、rustfmt和Clippy。这使得Rust成为开发关键服务、嵌入式系统以及跨语言集成项目的理想选择。

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