umberto-commoncrawl-cased-v1
高性能意大利语预训练语言模型 支持全词遮蔽技术
该模型是一个意大利语预训练语言模型，基于OSCAR语料库训练，支持命名实体识别和词性标注等自然语言处理任务。模型采用全词遮蔽技术，在多个基准测试中准确率达到98%以上。开发者可通过Hugging Face平台快速部署和使用该模型。
UmBERTo项目简介
UmBERTo是一个基于Roberta的意大利语言模型,它采用了两种创新性的技术方案:SentencePiece分词和全词掩码(Whole Word Masking)。该项目由Musixmatch公司开发并在GitHub上开源发布。
训练数据集
该模型使用了OSCAR语料库中的意大利语子语料库作为训练数据。经过去重处理后的语料库包含:
- 70GB的纯文本数据
- 2.1亿个句子
- 110亿个单词 这些语料在句子层面进行了过滤和随机打乱,以便用于自然语言处理研究。
模型特点
UmBERTo-Commoncrawl-Cased模型具有以下特征:
- 采用SentencePiece分词器
- 使用全词掩码技术
- 词汇表大小为32K
- 训练步数达到12.5万步
- 支持大小写敏感
性能表现
模型在多个下游任务中展现出优秀的性能:
在命名实体识别(NER)任务中:
- ICAB-EvalITA07数据集上F1分数达到87.57%
- WikiNER-ITA数据集上F1分数达到92.53%
在词性标注(POS)任务中:
- UD_Italian-ISDT数据集上准确率达到98.98%
- UD_Italian-ParTUT数据集上准确率达到98.90%
实际应用
该模型可以轻松集成到各类NLP应用中,主要用途包括:
- 文本分类
- 命名实体识别
- 词性标注
- 掩码词预测
开发者可以通过Hugging Face Transformers库简单几行代码就能调用该模型,支持包括文本分类、序列标注、掩码预测等多种任务类型。模型特别适合处理意大利语相关的自然语言处理任务。
开发团队
该项目由Musixmatch公司的AI团队开发,核心开发者包括Loreto Parisi、Simone Francia和Paolo Magnani。Musixmatch是一家专注于音乐技术的公司,其AI团队在自然语言处理领域有丰富的研究和实践经验。
编辑推荐精选
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适 合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全 球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和 日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号