
最先進的基於大型語言模型的翻譯模型。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
592
±0 (10月13日〜)
最後提交
2025年4月
GitHub 建立日期
2023年9月13日
收錄日
—
自頁面建立時收錄
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 592 |
| 2026年10月 | 592 |
| 2026年11月 | 592 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
LibreTranslateLibreTranslate17k免費開源的機器翻譯 API,可自行架設、支援離線,且易於設定。
seamless_communicationfacebookresearch12k面向最先進語音與文字翻譯的基礎模型。
argos-translateargosopentech6.5k使用 Python 編寫的開源離線翻譯函式庫。
Opus-MTHelsinki-NLP866開放的神經網路機器翻譯模型與網路服務。
Hy-MTTencent-Hunyuan829混元翻譯模型 1.5 版本,包含一個18億參數翻譯模型(HY-MT1.5-1.8B)和一個70億參數翻譯模型(HY-MT1.5-7B)。
Hy-MT2Tencent-Hunyuan679Hy-MT2 是一系列面向複雜真實場景設計的「快思考」多語言翻譯模型,提供 1.8B、7B、30B-A3B 三種規模。
研究領域相近的資源
jparacrawl-finetuneMorinoseiMorizo104JParaCrawl 預訓練神經機器翻譯 (NMT) 模型的使用示例。GitHub共同: 機器翻譯・大型語言模型
shisa-v2shisa-ai35日英雙語法學碩士GitHub共同: 機器翻譯・大型語言模型
JASSMao-KU16JASS:針對日本特定序列的序列到序列預訓練,用於神經機器翻譯(LREC2020)和基於語言學的多任務預訓練,用於低資源神經機器翻譯(ACM TALLIP)。GitHub共同: 機器翻譯・大型語言模型
koharukoharu-rs6.7k使用Rust编写的带有LLM的自动漫画翻译工具。GitHub共同: 機器翻譯・大型語言模型
CourseraParallelCorpusMiningshyyhs15Coursera 課程挖掘和多階段微調,以改善講座翻譯GitHub共同: 機器翻譯・大型語言模型- japanese-gpt-neox-smallrinna656k一個 12 層、768 隱藏層的日本 GPT‑NeoX 模型,訓練於 CC‑100、C4 和 Wikipedia,兼容 Huggingface,並可選擇使用一個玩具前綴調優權重,使每句結尾強制出現笑臉表情符號。HF 模型共同: 大型語言模型