Project Icon

nlp_chinese_corpus

中文自然语言处理高质量多任务语料库

该中文自然语言处理项目提供丰富的高质量语料,包括维基百科条目、新闻、百科问答等,目标是解决中文大规模语料匮乏的问题。项目支持10大任务和9个模型的基准测试,并提供一键运行和详细性能比较,旨在提升中文NLP标准。适用于多种实际应用场景,如词向量训练、关键词生成和标题生成,方便研究人员和从业者获取和利用中文语料。

wav2vec2-large-xlsr-53-chinese-zh-cn - 中文自动语音识别模型提供广泛应用支持
Common VoiceGithubHuggingSoundHuggingfaceXLSR Wav2Vec2开源项目模型语音识别语音转录
该模型基于Common Voice、CSS10和ST-CMDS数据集,对facebook的wav2vec2-large-xlsr-53进行了微调,以实现中文自动语音识别。模型能够处理16kHz采样率的语音输入,可通过HuggingSound库直接进行语音转录或使用定制推理脚本。评估结果显示,模型在Common Voice测试数据集上WER为82.37%,CER为19.03%。感谢OVHcloud提供的GPU支持,该模型适用于医药、教育等领域语音数据处理。
llm-data-creation - 大型语言模型驱动的自动数据生成框架
EMNLPGithub大语言模型开源项目微调数据创建评估
llm-data-creation是一个基于大型语言模型的数据生成框架。该项目仅需一个格式示例即可创建多种问答任务的合成数据,通过迭代过程生成更多相同格式的数据。这一方法特别适用于缺乏人工标注数据的场景。项目提供完整的数据创建、模型微调和评估流程,在10个公开基准数据集上的评估显示出优秀的跨域性能。
xlm-roberta-xl - 基于2.5TB数据训练的100语种自然语言处理模型
GithubHuggingfaceXLM-RoBERTa-XL多语言模型开源项目机器学习模型自然语言处理预训练模型
XLM-RoBERTa-XL是基于2.5TB CommonCrawl数据训练的大规模多语言模型,支持100种语言的自然语言处理。该模型采用掩码语言建模进行自监督学习,适用于序列分类、标记分类和问答等需要理解整句上下文的任务。XLM-RoBERTa-XL为多语言NLP研究和应用提供了强大的基础,但不适合文本生成类任务。
mynlp - 高性能和可扩展的中文自然语言处理工具包
GithubMynlp中文NLP安装开源项目模型词典
mynlp是一个高性能且可扩展的中文自然语言处理工具包,支持通过Maven和Gradle轻松安装。用户可根据需求选择核心词典、词性标注、命名实体识别、拼音切分等模型资源,mylnp-all依赖包涵盖大部分常用资源。该项目参考了多个优秀开源项目并结合多种算法,适用于广泛的应用场景。详情请访问mynlp在线文档。
GPT2-Chinese - GPT2-Chinese:支持多种中文Token化和大规模语料训练
BERT分词器GPT2-ChineseGithubHuggingface中文语言模型开源项目预训练模型
GPT2-Chinese项目提供了适用于中文的GPT2训练代码,支持BERT和BPE Tokenizer,能够生成诗词、新闻、小说等内容,适用于大规模语料训练。该项目基于Pytorch实现,支持最新的预训练模型,如通用中文模型和古诗词模型。详细的模型信息可以在Huggingface Model Hub中找到。用户可以自行训练和生成文本,同时支持FP16和梯度累积。
speech_dataset - 多语言语音识别与合成数据集详细介绍及应用
Github多人语音识别开源开源项目数据集语音合成语音识别
此页面总结了多语言语音数据集,包括中文、英文、日语、韩语、俄语等。涵盖了语音识别、语音合成、说话人识别和分离等应用领域,详细描述了每个数据集的时长、下载地址及其具体用途,帮助用户快速找到符合科研或项目需求的语音数据。
EvaluationPapers4ChatGPT - ChatGPT等大型语言模型评估资源库
ChatGPTGithub大语言模型开源项目性能测试自然语言理解评估
EvaluationPapers4ChatGPT项目是一个综合性资源库,专注于评估ChatGPT等大型语言模型的性能。该项目汇集了丰富的数据集、评估论文和检测工具,涵盖自然语言理解、伦理偏见、长文本摘要和推理能力等多个领域。研究人员可借此深入分析ChatGPT的能力范围及其在不同任务中的表现。项目不断更新,反映了语言模型评估领域的最新发展动态。
text2vec-base-chinese-paraphrase - 中文语义匹配模型实现句子和段落的向量表示
CoSENTGithubHuggingfaceernie-3.0-base-zhtext2vec句子嵌入开源项目模型语义匹配
text2vec-base-chinese-paraphrase模型采用CoSENT方法训练,将句子映射至768维向量空间。该模型在中文自然语言推理测试中表现出色,适用于句子嵌入、文本匹配和语义搜索等任务。它基于ERNIE 3.0模型微调,使用精选中文STS数据集训练,尤其擅长句子与段落间的语义匹配。模型支持最大256个token的输入,为中文文本处理提供了高效的语义表示工具。
EasyNLP - 综合性易用的NLP工具包,支持大规模预训练模型
EasyNLPGithubNLP工具包分布式训练多模态预训练模型开源项目知识蒸馏
EasyNLP是一个由阿里巴巴发布的自然语言处理工具包,基于PyTorch架构,支持分布式训练和多种NLP算法。它结合知识蒸馏和少样本学习技术,支持大规模预训练模型的部署,并支持CLIP和DALLE等多模态预训练模型,与阿里云PAI平台无缝集成,提供统一的模型训练和部署框架,广泛应用于多个业务场景。
miracl - 跨18语言的多语言信息检索数据集
GithubMIRACL基准测试多语言信息检索开源项目维基百科语料库跨语言搜索
MIRACL项目提供了一个跨18种语言的多语言信息检索数据集,涵盖全球超过30亿母语使用者。该数据集包含16种已知语言的Wikipedia语料库,并提供相应的训练和开发数据。项目还包括基于BM25和mDPR的基线系统,以及使用Pyserini复现结果的指南。这一资源为多语言信息检索研究提供了有价值的支持。
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