Project Icon

wtpsplit

多语言文本分割工具 支持85种语言的高效句子和段落分割

wtpsplit是一个开源的文本分割工具,实现了最新的SaT模型。它支持85种语言的句子和段落分割,具有高效、稳健的特点。该工具通过LoRA技术可适应特定领域和风格,提供多种模型大小以满足不同应用需求。wtpsplit在保持高性能的同时,还具有较低的计算成本,适用于从通用句子分割到特定领域文本处理的各种场景。

zett - 突破语言模型与分词器的兼容性限制
GithubZero-Shot Tokenizer Transfer分词器开源项目模型迁移语言模型超网络
ZeTT是一个创新的开源项目,旨在解决语言模型与分词器之间的兼容性问题。该项目通过零样本分词器迁移技术,使任何语言模型能够与任意分词器协同工作,几乎不需要额外训练。ZeTT提供多个预训练超网络,支持26种语言和代码处理。用户可以轻松将现有模型适配新的分词器,提升模型的通用性。此外,ZeTT还支持训练自定义超网络和迁移微调模型等高级功能,为自然语言处理研究提供新的可能性。
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。
HanLP - 面向多语种的生产环境自然语言处理工具,支持PyTorch与TensorFlow
GithubHanLPPyTorchTensorFlow多语种开源项目自然语言处理
HanLP是一款面向生产环境的多语种自然语言处理工具,基于PyTorch和TensorFlow双引擎。支持130种语言和多种NLP任务,包括分词、词性标注、命名实体识别和依存句法分析等。HanLP的预训练模型持续更新,并提供RESTful API和native API,适用于敏捷开发和移动应用。
nlp-lang - 自然语言处理工具包,提供词语标准化、汉字转拼音等功能
GithubViterbi算法nlp-lang开源项目自然语言处理词语标准化词频统计
该项目封装了常用的自然语言处理工具和组件,如词语标准化、tire树结构、文本断句、html标签清理、Viterbi算法等。组件还包括汉字转拼音、简繁体转换、bloomfilter、指纹去重、SimHash相似度计算、词共现统计、内存搜索提示和WordWeight统计等。
Easy-Translate - 高效多语言文本翻译工具支持多种模型
Easy-TranslateGithub多语言翻译大规模语言模型开源项目机器翻译自然语言处理
Easy-Translate是一款适合各级用户的文本翻译工具,支持M2M100、NLLB200和SeamlessM4T等多种翻译模型。该工具可在不同硬件环境下运行,具备自动调整批处理大小、多种解码策略和加载大型模型等功能。此外,Easy-Translate还提供了翻译质量评估功能,可计算多种评估指标。
wink-nlp - 高性能和高精度的JavaScript自然语言处理库
GithubJavaScriptwinkNLP开源项目文本分析自然语言处理高性能
这个JavaScript自然语言处理库优化了性能和精度,可显著提升NLP应用开发效率。它支持单词嵌入,代码无外部依赖,体积仅约10KB,并有近100%的测试覆盖率。主要功能包括多语言分词、句子边界检测、情感分析、词性标注和命名实体识别,适用于Node.js、浏览器和Deno环境。
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。
bytepiece - 创新高效的字节级Unigram分词工具
BytePieceGithubPythonUnigram分词器压缩率开源项目
BytePiece是一款基于字节的Unigram分词工具,采用创新训练算法实现高压缩率。该工具直接处理UTF-8字节,无需预处理,确保语言无关性。相比SentencePiece,BytePiece具有更高效的随机分词算法,支持多进程训练加速,并采用纯Python实现,便于二次开发。这一工具为自然语言处理提供了纯粹、易扩展的分词方案。
sparsegpt - 开源项目实现大型语言模型高效压缩
GithubSparseGPT开源项目模型压缩神经网络剪枝稀疏化语言模型
SparseGPT是一个致力于大型语言模型压缩的开源项目。它提供了一套工具,可在单次操作中对OPT、BLOOM和LLaMA等大规模语言模型进行精确剪枝。该项目支持非结构化、n:m结构化和稀疏量化压缩方法,并包含在WikiText2、PTB和C4子集上评估模型性能的脚本。SparseGPT能有效缩减模型规模的同时保持准确性,为研究人员和开发者提供了探索语言模型压缩的实用工具。
opennlp - Apache OpenNLP:优化您的自然语言处理任务的顶级工具
Apache OpenNLPGithubJava开源项目机器学习模型自然语言处理
Apache OpenNLP是一个用Java编写的机器学习工具包,用于自然语言处理,支持分词、句子分割、词性标注、命名实体识别、块解析、语法分析、共指解析和语言检测等任务。项目旨在提供成熟的NLP工具,并提供多语言预训练模型和注释资源。OpenNLP可以通过Java API或命令行使用,易于集成到如Apache Flink、Apache NiFi、Apache Spark等分布式处理管道中。
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

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。

Project Cover

天工AI音乐

天工AI音乐平台支持音乐创作,特别是在国风音乐领域。该平台适合新手DJ和音乐爱好者使用,帮助他们启动音乐创作,增添生活乐趣,同时发现和分享新音乐。

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