
神經網路能正確地將羅馬字轉寫成日文嗎?
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
179
+1 (10月13日〜)
最後提交
2017年9月
GitHub 建立日期
2017年1月1日
收錄日
2022年8月20日
Star 數變化
以表格顯示
| 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
yomiyasunanaism3.3kAI生成的日本語自然化代理技能 / 將AI生成的日語推敲為自然日語的代理技能
mozc-devicesgoogle3k自動從code.google.com/p/mozc-morse匯出
manga-ocrkha-white2.8k關於日文文字的光學字符識別,主要聚焦於日本漫畫。
natural-japanesecoji2.1k這是用來撰寫、修改工作日本語,使其易讀易懂的 Agent 技能。
voicevox_engineVOICEVOX1.8k免費使用的中等品質文字朗讀軟體,VOICEVOX的語音合成引擎
mokurokha-white1.8k在瀏覽器中閱讀日本漫畫,並可選擇文字。
研究領域相近的資源
- japanese-hubert-baseyky-h28k日本語 HuBERT Base,12 層 transformer 版本與 rinna 原始模型相同,訓練於約19,000 小時的 ReazonSpeech v1 日本語語音資料,並以 Apache 2.0 授權發佈。HF 模型共同: 表示學習
- sarashina-embedding-v2-1bsbintuitions2kSarashina‑Embedding‑v2‑1B 是一個 1,792 維的日語句子變換器,透過多階段對比學習訓練,達到先進的 JMTEB 分數,可用於語義相似度、搜尋、同義句挖掘、分類和聚類,透過 Sentence‑Transformers 並可加上可選的指令前綴。HF 模型共同: 表示學習
- clip-japanese-base-v2line-corporation2kJapanese CLIP 模型 clip‑japanese‑base‑v2,升級至約 2 B 影像‑文字配對並 distillation,將 Eva02‑B 影像編碼器與 12 層 BERT 文本編碼器結合,以達到比其前身更高的 ImageNet‑1k 準確度 (0.708)。HF 模型共同: 表示學習
albert-japanese-tinysegmenternknytk13提供預訓練模型、程式碼和指導文件,以在日本維基百科資源上預訓練官方ALBERT(https://github.com/google-research/albert)。共同: 表示學習・文本生成- sup-simcse-ja-basecl-nagoya2k一款在 JSNLI 上使用監督式 SimCSE 微調的日語 BERT‑base 模型,透過 Sentence‑Transformers 或 HuggingFace 以 CLS pooling 方式公開,訓練於 1 M 範例,batch size 512,學習率 5 × 10⁻⁵,溫度 5 × 10⁻⁵,64‑token 限制,以及 BFloat16 精度。HF 模型共同: 表示學習
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16M日語 wav2vec‑2 XLSR‑53 在 Common Voice 6.1、CSS10 與 JSUT 上微調,需要 16 kHz 音訊,並可透過 HuggingSound 或 HuggingFace pipelines 使用。HF 模型共同: 表示學習・文本生成