tokenizers

文本分词处理工具

Tokenizers 性能多语言绑定调优文本处理 Github 开源项目

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。

Github

文档

介绍相关项目

rust-id3 - Rust语言实现的多功能ID3元数据处理库

GithubID3Rust元数据开源项目标签处理音频文件

rust-id3是一个功能强大的ID3元数据处理Rust库，支持ID3v1及ID3v2各版本格式。它能处理MP3、WAV和AIFF文件，提供文本、图片、章节等多种帧的处理能力，并支持多种字符编码。该库API设计清晰，便于开发者读取、修改和创建ID3标签，适用于多种音频文件元数据管理场景。rust-id3库提供全面的ID3元数据处理功能，性能优异，使开发者能轻松管理音频文件的元数据信息。

semantic-chunkers - 智能多模态分块库提高AI数据处理效率和准确性

AI数据处理GithubSemantic Chunkers多模态分块开源项目智能分块视频处理

Semantic Chunkers是一个开源的多模态分块库，专注于对文本、视频和音频进行智能分块。通过语义分析，这个Python库提高了AI和数据处理的效率与准确性。它提供视频分块等功能，并得到活跃社区的支持和持续更新。对于处理大量多媒体数据的AI开发者和研究人员而言，Semantic Chunkers提供了强大的数据处理能力。

trankit - 轻量级的多语言自然语言处理Python工具包，支持多个语言的预训练模型

GithubNLP工具PythonTrankitTransformer多语言开源项目

Trankit是一个基于Transformer架构的轻量级Python工具包，支持多语言自然语言处理，包含针对56种语言的90个预训练流水线。它引入了自动模式，多语言输入可自动检测。Trankit在多个自然语言处理任务上表现优异，超过Stanza等主流工具包，并保持高效的内存使用和处理速度。用户无需编程经验即可通过简便的命令行界面使用，还可定制流水线。

tch-rs - Rust语言的PyTorch C++ API接口

GithubPyTorchRustlibtorchnn::Moduletch-rs开源项目

tch-rs是Rust语言对PyTorch C++ API的绑定，通过简洁的封装实现高效的深度学习模型训练和推理。支持系统全局libtorch安装、手动安装和Python PyTorch安装，兼容CUDA并支持静态链接。提供详细的安装说明和丰富的示例代码，包括基础张量操作、梯度下降训练、神经网络构建和迁移学习等，适合不同水平的开发者。

nlp-lang - 自然语言处理工具包，提供词语标准化、汉字转拼音等功能

GithubViterbi算法nlp-lang开源项目自然语言处理词语标准化词频统计

该项目封装了常用的自然语言处理工具和组件，如词语标准化、tire树结构、文本断句、html标签清理、Viterbi算法等。组件还包括汉字转拼音、简繁体转换、bloomfilter、指纹去重、SimHash相似度计算、词共现统计、内存搜索提示和WordWeight统计等。

rust-protobuf - Rust语言的高效Protobuf库实现

GithubProtobufRust代码生成序列化开源项目跨语言通信

rust-protobuf是一个纯Rust实现的Protobuf库，支持Protobuf 2和3版本。它能生成Rust代码，提供运行时支持，并具备反射、JSON和文本格式处理、动态消息等功能。该开源项目目前正寻求贡献者参与完善文档、测试和API设计。

TiktokenSharp - C#实现的多种文本编码和解码库

Benchmark TestC#GithubNuGetTiktokenSharpgpt-3.5-turbo开源项目

TiktokenSharp 是一个提供 C# 版文本编码和解码方法的库，基于官方 Rust 实现，支持多个编码格式如 `o200k_base`、`cl100k_base` 和 `p50k_base`。通过 NuGet 包，可以轻松集成到 C# 项目中。首次使用时，会自动下载必要的 tiktoken 文件，后续使用无需重新下载。项目定期更新，持续优化算法效率，并支持最新的 OpenAI 模型。更多细节请查看官方文档和 GitHub 页面。

lingua-py - 多语言检测工具，支持75种语言的高效文本解析

GithubLinguaRust实现开源项目文本分类自然语言处理语言检测

该工具能够高效检测文本所属语言，适用于自然语言处理中的文本分类和拼写检查等预处理步骤。这款灵活的小库在长文本和短文本上都能保持高准确率，不依赖外部API或服务，可完全离线使用。相比其他开源库，具有更高的精度和更低的内存占用，尤其适合处理短文本如微博信息。

llama2.rs - Rust开发的高效Llama2 CPU推理库

CPU推理GithubLlama2RustSIMD开源项目量化

llama2.rs是一个用Rust开发的Llama2 CPU推理库，专注于提供高性能的推理能力。项目支持4位GPT-Q量化、批量预填充提示标记、SIMD加速和内存映射等技术，实现了70B模型的即时加载。通过Python API，开发者可在普通台式机上运行70B Llama2模型（1 token/s）和7B模型（9 tokens/s）。该项目为大规模语言模型的CPU推理提供了高效且灵活的开源解决方案。

tenere - 使用Rust编写的多后端支持LLM TUI界面工具

ChatGPTGithubRustTUI界面Tenere安装开源项目

Tenere是一款用Rust编写的TUI界面工具，支持ChatGPT、llama.cpp和ollama等多种LLM。主要特点包括语法高亮、聊天历史记录保存、文件保存和Vim键绑定。提供多种安装方式，支持Windows、macOS和Linux系统的个性化配置，便利开发者高效工作。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com