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

espanso - Rust编写的跨平台文本替换工具提高输入效率

GithubRustespanso开源软件开源项目文本扩展器跨平台

espanso是一款使用Rust语言开发的跨平台文本替换工具，支持Windows、macOS和Linux系统。该工具提供关键词自动替换、表情符号快速输入、图片插入和脚本执行等功能。espanso还包括搜索栏、日期扩展和应用特定配置，可通过包管理器进行功能扩展。这款工具能有效提高输入效率，适用于代码片段管理和常用语句快速输入等多种场景。

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。

awesome-rust - Rust 开发资源综合导航

GithubRust库应用程序开发工具开源项目

awesome-rust 项目汇集了 Rust 生态系统中精选的代码和资源。涵盖应用开发、系统工具、音频处理、区块链等多个领域的优质项目和库。为开发者提供丰富资源,便于探索 Rust 生态系统,发现实用工具。适合不同经验水平的开发者查找 Rust 相关资源。

sat-3l-sm - 基于Transformer的多语言句子分割模型

GithubHuggingfaceTransformerwtpsplit分词多语言开源项目模型自然语言处理

sat-3l-sm是一个基于3层Transformer架构的句子分割模型，支持80种语言的文本分段。作为wtpsplit库的核心组件，该模型采用MIT许可证开源。sat-3l-sm源于'Segment any Text'研究，为自然语言处理提供准确的句子边界检测功能。

rustpad - 基于Rust的实时协作开源文本编辑器

GithubRustpadWebAssembly协作文本编辑器实时协作开源开源项目

Rustpad是基于操作转换算法的开源协作文本编辑器，支持浏览器中实时协作编写代码。采用Rust构建服务器，WebAssembly优化文本操作，前端使用TypeScript和React。特点包括自托管、无需数据库、快速轻量、易于部署，适合临时协作编辑需求。Docker镜像仅6MB，支持文档自动过期和可选的SQLite持久化存储。

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。

lasso - 高效灵活的Rust字符串内化库

GithubRodeolasso单线程多线程字符串内化开源项目

lasso是一个Rust实现的字符串内化库，支持多线程和单线程操作。它提供Rodeo等多种内化器，实现O(1)复杂度的字符串内化和解析。lasso具有内存占用小、可自定义键范围、支持多种哈希算法等特点，适用于内存敏感场景。此外，它还支持no_std环境和序列化功能。

cargo-spellcheck - Rust拼写检查和自动修复工具

CI/CD系统GithubRust工具cargo-spellcheck开源项目拼写检查文档校正

Rust语言的拼写检查工具，利用Hunspell和NLPRule避免文档中的拼写错误。通过cargo命令运行，实现自动修复和CI验证。支持Git提交钩子和CI/CD系统运行，提供交互式建议应用，提高项目文档质量和代码审阅效率。安装时需注意OS X和Linux系统的依赖设置。

sat-12l-sm - 先进的多语言文本句子分割模型

GithubHuggingfacewtpsplit句子分割多语言模型开源项目模型深度学习自然语言处理

sat-12l-sm是一个基于12层Transformer架构的句子分割模型，支持80种语言的文本分割。作为wtpsplit库的核心组件，它采用'Segment any Text'技术，为自然语言处理提供基础支持。该模型可用于提高文本分析和处理的准确性，适用于研究和开发领域。

sentencepiece - 无监督神经网络文本分词与去分词工具

GithubSentencePiece分词子词单元开源项目机器翻译自然语言处理

SentencePiece是一种用于神经网络文本生成系统的无监督分词工具。它支持多种子词算法,如BPE和unigram语言模型,可直接从原始文本训练。这个工具具有语言无关性,实现了子词正则化,运行速度快,占用资源少。SentencePiece能直接生成词汇ID序列,执行NFKC标准化,是一个完全端到端的系统,无需依赖特定语言的预处理或后处理。

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