#德语

GermanWordEmbeddings是一个开源的德语词向量模型训练与评估工具包。该工具包基于gensim的word2vec实现,提供了从语料库获取、预处理到模型训练和评估的完整流程。工具包支持语法和语义特征评估,可用于德语自然语言处理研究。项目还提供了一个基于德语维基百科和新闻文章训练的预训练模型。

该项目基于transformer-align模型，将德语文本转为加泰罗尼亚语，采用正常化及SentencePiece (spm12k) 进行预处理。模型在Tatoeba测试集上的BLEU评分为37.4，chr-F值为0.582，显示了优秀的翻译性能。用户可以下载原始模型权重和相应测试集数据，查看详细的转化结果。

本项目利用wav2vec2-large-xlsr-53-german模型对德语Common Voice数据集进行自动语音识别，得到WER为18.5%的结果。项目采用Torchaudio和Transformers库，并使用Resample进行音频预处理。该模型在语音转文字应用中具有广泛的研究价值。

这是一个德语命名实体识别(NER)模型，基于Flair框架开发。模型可识别文本中的人名、地名、组织名和其他专有名词，在CoNLL-03德语修订版数据集上F1分数达87.94%。采用Flair嵌入和LSTM-CRF技术，提供高精度的德语NER功能。该模型易于使用，只需几行Python代码即可集成到NLP项目中。

这是一个专为德语设计的BERT预训练模型，主要特点是支持不区分大小写的文本处理。模型针对德语特点进行了优化，适用于各类德语自然语言处理任务，采用MIT许可证发布。该模型与dbmdz/bert-base-german-uncased模型相同，详细信息可参考其模型卡片。

distilbert-base-german-cased是一个基于知识蒸馏技术的德语BERT压缩模型。该模型在维持BERT基础功能的同时减少了模型体积和运算资源消耗，可用于资源受限环境下的德语自然语言处理任务。模型支持大小写敏感的文本处理功能。

opus-mt-no-de是一个开源的挪威语-德语神经机器翻译模型。该模型采用transformer-align架构，支持从挪威语的两种书面变体(Nynorsk和Bokmål)到德语的转换。模型使用SentencePiece进行文本预处理，在Tatoeba评测集上取得29.6 BLEU分数。项目开源于2020年6月，提供完整的模型文件及测试数据。

该开源项目提供了一个德语拼写和标点符号的自动纠正功能，适用于需要高德语书写精度的场合。目前项目仍在开发中，有可能会产生误差，用户可根据需求进行调整。同时，欢迎访问GitHub仓库参与项目开发或开展个性化实验。

German-GPT2是DBMDZ开发的德语预训练语言模型，基于GPT-2架构构建。模型通过大规模德语语料库训练，采用5万词汇量的字节级BPE编码。项目开源发布，提供便捷的API接口，支持文本生成等自然语言处理任务。作为基础模型，German-GPT2主要用于进一步针对特定任务的微调训练。

该模型通过对bert-base-multilingual-cased进行微调，实现德语文本中位置、组织和人名的识别。模型在wikiann数据集训练后，总体F1分数达0.8829，在人名实体识别方面表现尤为出色。模型使用Adam优化器和线性学习率调度器，经7轮训练完成。

基于Whisper Large v3，专为德语语音识别优化，在转录、命令识别、字幕生成等方面表现优秀。词错误率为3.002%，字符错误率为0.81%，适合高效使用。