
神经网络能正确地将罗马字转写成日语吗?
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
179
+1 (10月13日〜)
最后提交
2017年9月
GitHub 创建日期
2017年1月1日
收录日
2022年8月20日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 178 |
| 2026年1月 | 178 |
| 2026年2月 | 178 |
| 2026年3月 | 178 |
| 2026年4月 | 178 |
| 2026年5月 | — |
| 2026年6月 | 178 |
| 2026年7月 | 178 |
| 2026年8月 | 178 |
| 2026年9月 | 178 |
| 2026年10月 | 179 |
| 2026年11月 | 179 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
同分类的热门资源
yomiyasunanaism3.3kAI生成的日本语自然化代理技能/将AI生成的日本语推敲为自然日本语的代理技能
mozc-devicesgoogle3k自动从code.google.com/p/mozc-morse导出
manga-ocrkha-white2.8k关于日文文本的光学字符识别,主要关注于日本漫画。
natural-japanesecoji2.1k这是用于写作和修改工作日本语,使其易读易懂的代理技能。
voicevox_engineVOICEVOX1.8k免费使用的中等质量的文本朗读软件,VOICEVOX的语音合成引擎
mokurokha-white1.8k在浏览器中阅读日本漫画,可选择文本。
研究领域相近的资源
- japanese-hubert-baseyky-h28k日语HuBERT Base,12层 Transformer 与 rinna 原版相同,使用约19,000小时的 ReazonSpeech v1 日语语音训练,并以 Apache 2.0 许可证发布。HF 模型共同: 表示学习
- sarashina-embedding-v2-1bsbintuitions2kSarashina‑Embedding‑v2‑1B 是一个 1,792 维的日语句子变换器,使用多阶段对比学习训练,获得了前沿的 JMTEB 分数,可通过 Sentence‑Transformers 并搭配可选指令前缀,用于语义相似度、搜索、改写挖掘、分类和聚类。HF 模型共同: 表示学习
- clip-japanese-base-v2line-corporation2k日本CLIP模型 clip‑japanese‑base‑v2,升级后约20亿图像‑文本对并采用蒸馏,配合 Eva02‑B 图像编码器和 12 层 BERT 文本编码器,将 ImageNet‑1k 准确率提升至 0.708,超过前代模型。HF 模型共同: 表示学习
albert-japanese-tinysegmenternknytk13提供预训练模型、代码和指南,以在日本维基百科资源上预训练官方ALBERT(https://github.com/google-research/albert)。共同: 表示学习・文本生成- sup-simcse-ja-basecl-nagoya2k一个日语 BERT‑base 模型,在 JSNLI 上使用有监督 SimCSE 进行微调,通过 Sentence‑Transformers 或 HuggingFace 提供,采用 CLS 池化。在 1M 个样本上训练,批量大小为 512,学习率为 5×10⁻⁵,温度为 5×10⁻⁵,64 令牌限制,采用 BFloat16 精度。HF 模型共同: 表示学习
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16MJapanese wav2vec‑2 XLSR‑53 在 Common Voice 6.1、CSS10 与 JSUT 上微调,需 16 kHz 音频,并可通过 HuggingSound 或 HuggingFace 管道使用。HF 模型共同: 表示学习・文本生成