Logo
Project Icon

Tokenizer

跨平台BPE编码实现

TokenizerOpenAITypescriptC#TokenizationGithub开源项目

该项目提供了TypeScript和C#版的字节对编码(BPE)tokenizer，主要用于OpenAI LLMs，并基于开源的Rust实现。适用于Node.js和.NET环境，在传递提示词给LLM前进行tokenization处理。建议C#用户从Microsoft.DeepDev.TokenizerLib迁移至性能更优的Microsoft.ML.Tokenizers。欢迎开发者贡献代码和意见。

访问官网访问官网GithubGithub文档文档
介绍相关项目
gpt-tokenizer - 支持OpenAI模型的TypeScript文本编码器
GithubOpenAITypeScriptgpt-tokenizer开源项目编码器解码器
gpt-tokenizer现作为最完整的开源GPT编解码器，使用TypeScript编写，完全兼容现代JavaScript环境。支持所有OpenAI模型（如GPT-2、GPT-3、GPT-4等），特性包括异步流解码、防内存泄漏、高性能token限制检测以及生成器函数操作。此工具在无全局缓存的情况下，更加高效并且安全。
gpt3-tokenizer - 支持GPT-3和Codex的高性能TypeScript分词库
GPT3 TokenizerGithubOpenAITypeScriptcodexgpt3开源项目
GPT-3 Tokenizer是一款适用于NodeJS和浏览器环境的TypeScript分词库，提供GPT-3和Codex分词支持。确保分词效果与OpenAI Playground一致，利用Map API提高性能，并支持简洁的编码与解码功能。
tiktoken - 为OpenAI模型优化的高性能BPE分词器
BPEGithubOpenAItiktoken分词器开源项目性能优化
tiktoken是一款为OpenAI模型优化的BPE分词器。该工具提供快速的文本编码和解码功能，支持多种编码方式，易于集成到Python项目中。相较于其他开源分词器，tiktoken的性能提升了3-6倍。除了标准功能外，tiktoken还包含教育性子模块，有助于理解BPE算法原理。此外，该工具支持自定义扩展，可满足特定应用需求。
tiktoken-go - BPE分词工具，兼容多种OpenAI模型
BPE词典GithubOpenAItiktoken-go开源项目模型编码
tiktoken-go是一个高效的BPE分词器，适用于OpenAI的多种模型。作为原版tiktoken在Go语言中的实现，它提供了与原库一致的缓存机制和多种加载选项，包括离线加载器，便于快速使用和自定义实现。项目包含详细的使用示例，涵盖各种编码和模型，以及性能测试结果，展示了其出色的性能表现。
tokenizer - Go语言实现的自然语言处理分词库
GithubGo语言NLPTokenizer分词开源项目预训练模型
Tokenizer是一个纯Go语言实现的自然语言处理分词库，支持Word level、Wordpiece和BPE等多种分词模型。该项目可用于训练新模型或微调现有模型，并兼容HuggingFace预训练模型。Tokenizer为Go开发者提供了构建NLP应用所需的工具，助力高效生产级软件开发。
rust-tokenizers - Rust实现的高性能自然语言处理分词器
Githubrust-tokenizers分词器开源项目性能优化自然语言处理语言模型
rust-tokenizers是一个为现代自然语言处理模型设计的分词器库。该项目支持WordPiece、BPE和Unigram等分词算法，适用于BERT、GPT、RoBERTa等Transformer架构。库提供单线程和多线程处理，并具有Python接口，可用于各类NLP项目的文本预处理。
tokenizers - 文本分词处理工具
GithubTokenizers多语言绑定开源项目性能文本处理调优
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。
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。
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。
SpeechTokenizer - 将语音标记化统一的开源工具
GithubRVQSpeechTokenizer开源项目语音信息处理语音标记器语音语言模型
SpeechTokenizer 是一个开源的语音标记化工具，采用编码器-解码器架构和残差向量量化技术，统一了语义和声学标记。该项目能够分层分离语音信息的不同方面，为语音语言模型提供更精确的输入。它提供了在 LibriSpeech 和 Common Voice 数据集上训练的模型，支持 16kHz 单声道语音处理。项目开源了训练代码和预训练模型，可用于语音处理研究和应用开发。
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

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
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号