Project Icon

tokenizers

文本分词处理工具

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。

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。
1d-tokenizer - 创新1D图像分词框架实现高效图像处理
GithubTiTok图像标记化开源项目生成模型神经网络计算机视觉
1d-tokenizer项目开发了创新的1D图像分词框架,将256×256图像压缩至32个离散标记。该技术突破2D分词限制,提供更灵活紧凑的图像表示。相比扩散模型,生成速度提升数百倍,同时维持高质量输出。研究还深入探讨1D图像分词特性,为图像处理领域开辟新方向。
llama-tokenizer-js - 在浏览器和Node环境中高效实现LLaMA模型的分词
GithubJavaScriptLLaMAllama-tokenizer-jsnpmtokenizer开源项目
Llama-tokenizer-js 是一款JavaScript客户端分词器,适用于LLaMA 1和LLaMA 2模型,并支持TypeScript。该工具无依赖、易于使用,专为客户端准确计算token数量设计。利用优化的BPE算法实现高效运行时间和小巧包大小。支持浏览器和Node环境,并提供便捷的demo和详细使用说明。
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。
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。
tiktoken-go - BPE分词工具,兼容多种OpenAI模型
BPE词典GithubOpenAItiktoken-go开源项目模型编码
tiktoken-go是一个高效的BPE分词器,适用于OpenAI的多种模型。作为原版tiktoken在Go语言中的实现,它提供了与原库一致的缓存机制和多种加载选项,包括离线加载器,便于快速使用和自定义实现。项目包含详细的使用示例,涵盖各种编码和模型,以及性能测试结果,展示了其出色的性能表现。
gpt-tokenizer - 支持OpenAI模型的TypeScript文本编码器
GithubOpenAITypeScriptgpt-tokenizer开源项目编码器解码器
gpt-tokenizer现作为最完整的开源GPT编解码器,使用TypeScript编写,完全兼容现代JavaScript环境。支持所有OpenAI模型(如GPT-2、GPT-3、GPT-4等),特性包括异步流解码、防内存泄漏、高性能token限制检测以及生成器函数操作。此工具在无全局缓存的情况下,更加高效并且安全。
fastembed-rs - 基于Rust的无需Tokio依赖,支持同步操作的高效文本嵌入工具
FastEmbed-rsGithubONNXRust开源项目文本嵌入量化模型
FastEmbed-rs为基于Rust的高效文本嵌入工具,无需Tokio依赖,支持同步操作。允许使用Hugging Face等多种模型,并通过并行处理实现高效批量嵌入。支持加载自定义.ONNX模型,提供简洁API以快速实现文本嵌入和重排,适合追求高性能文本处理的开发者。
tiktokenizer - 计算输入文本的token数量的在线工具
GithubTiktokenizeropenai在线工具开源项目计算token赞助
该在线工具基于OpenAI的`tiktoken`库,可精确计算输入文本的token数量。项目由Diagram公司赞助,并得到了T3 Stack和shadcn/ui的技术支持。用户通过此工具可优化OpenAI模型的性能,实现更精确的结果。
jtokkit - 专为OpenAI模型设计的Java分词库,提供便捷的API,支持多种编码和解码算法
GithubJTokkitJavaOpenAItokenizer开源项目自然语言处理
JTokkit是一个专为OpenAI模型设计的Java分词库,提供便捷的API,支持多种编码和解码算法如r50k_base和cl100k_base。该库无依赖,兼容Java 8及以上版本,并具备高效性能。用户可以通过Maven或Gradle轻松安装,并支持自定义编码算法。使用JTokkit,开发者能够轻松进行自然语言处理任务中的文本分词和令牌计算。
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。

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