phobert-large

越南语PhoBERT模型优化实现多项NLP任务性能突破

语言模型 Github 开源项目 RoBERTa PhoBERT 越南语处理自然语言处理 Huggingface 模型

PhoBERT是首个公开的大规模越南语单语预训练模型，基于RoBERTa优化BERT，超越以往多语言和单语方法，显著提升词类标注、依赖解析、命名实体识别和自然语言推理等越南语NLP任务效果。

DNABERT - DNABERT：用于基因组DNA语言处理的双向编码器模型

BERTDNABERTGPUGithub基因组开源项目预训练模型

DNABERT提供完整的源码、使用示例、预训练和微调模型，适用于各类基因组DNA语言处理任务。该项目利用Huggingface的扩展工具，增添了多任务支持和高效的可视化功能。最新版DNABERT-2不仅提升了多物种基因组的处理能力，还发布了全面的Genome Understanding Evaluation (GUE)基准测试，涵盖28个数据集。

vocab-coverage - 中文语言模型识字率与词向量分布分析

BERTERNIEGithub中文认知开源项目词向量语言模型

该项目分析了多种语言模型的中文识字率与词向量分布情况，通过字符集分类和词向量空间分布的研究，了解模型在处理中文字符时的认知能力。涵盖了BERT、ERNIE、roBERTa等模型的对比，以及不同字符集的识字判定，为后续的模型评估和改进提供了参考。

Bert-VITS2 - 多语言BERT驱动的语音合成模型

Bert-VITS2FishAudioGithubMassTTSTTSVITS开源项目

Bert-VITS2项目融合了多语言BERT和先进的自回归TTS模型，提供高品质的语音合成。此项目参考了MassTTS等开源项目，并推荐使用Fish-Speech。详情和演示请参见视频链接和文档，项目强调中文用户需求和法律合规，禁止违规用途。

Phi2-mini-Chinese - 从零开始训练0.2B参数的中文语言模型，支持Flash Attention加速

GithubPhi2-Chinese-0.2BSFT微调中文小模型开源项目数据清洗语言模型

项目包含从数据清洗、tokenizer训练、CLM预训练、SFT微调到RLHF优化的详细步骤，代码和模型已开源，可引用。支持Flash Attention加速，适用于大数据集处理。更多信息及模型权重在huggingface仓库。

bark-voice-cloning-HuBERT-quantizer - Python 3.10下的Bark高质量语音克隆，多语言支持

BarkGithubHuBERTpythonquantizervoice cloning开源项目

该项目提供了一种在Python 3.10环境下，利用Bark进行高质量语音克隆的方法，并兼容多种语言的HuBERT模型和定制量化器模型。通过Huggingface模型页面、音频Web UI和在线交互式笔记本，用户可以获取代码实例和实现语音克隆。项目还包括语音输入要求和训练指南，帮助开发者实现语音克隆功能。

Baichuan-7B - 开源中英双语大规模预训练模型，支持商用

Baichuan-7BGithubTransformer结构中英双语开源可商用开源项目预训练语言模型

Baichuan-7B是由百川智能开发的开源可商用中英双语大规模预训练语言模型。基于Transformer结构，该模型在1.2万亿tokens上训练，拥有70亿参数，并提供4096长度的上下文窗口。在中文和英文的基准测试（C-Eval和MMLU）中表现出色。该模型可在Hugging Face和ModelScope平台上获取，适合开发者和研究人员使用。

cramming - 探索单GPU一天内训练BERT语言模型的极限

BERTCramming Language ModelGLUEGithubPyTorchTransformer-based language model开源项目

本项目探索在单GPU上用一天时间预训练BERT语言模型的性能表现，旨在挑战当前以高算力为核心的趋势。通过调整预训练流程，展示了在严格计算限制下依然接近BERT性能，并分析不同改进对性能的影响。最新版本框架需要PyTorch 2.0，改善了数据预处理并提升了1-2% GLUE性能，提供了详细的代码运行和数据处理指南供研究和应用参考。

phasellm - 探索和评估大型语言模型的框架

API集成GithubPhaseLLM大语言模型开源开源项目性能评估

PhaseLLM是一个创新的框架，旨在帮助用户管理和测试由大型语言模型（LLM）驱动的体验，如ChatGPT及其变种。该框架提供标准化API，兼容OpenAI、Cohere、Anthropic等多家服务提供商，构建评估体系，并新增自动化功能，使开发者和数据科学家能更容易地启动新的产品。适合各类品牌和产品经理，简化和加速大型语言模型的集成与评估过程。

MNBVC - MNBVC大规模中文语料集：覆盖多样类型数据支持开源社区

GithubMNBVChuggingface中文语料集开源社区开源项目数据清洗

MNBVC中文语料集由MOP里屋社区发起，目标是创建最大的中文互联网语料集，涵盖新闻、小说、论文等多种类型数据。当前数据量为34582GB，最终目标为40TB。MNBVC提供多种文件格式的数据，包括txt、json、jsonl和parquet，并配备一系列优化工具及爬虫代码协助数据处理。项目欢迎有技术背景的志愿者参与，提升数据清洗效率。访问Wiki了解更多信息。

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。

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