tiktoken-rs
是一个使用 Rust 编写的库,专门用于与 OpenAI 模型合作进行文本分词。这个库提供了一系列现成的分词工具,能够处理 GPT、tiktoken 以及其他相关的 OpenAI 模型。它的主要功能包括对文本输入进行分词和统计文章的词元数量。
这个库建立在 tiktoken
基础库之上,并在此基础上添加了一些额外功能和改进,使得在使用 Rust 代码时更为便捷。
tiktoken-rs
库提供了丰富的使用例子,用户可以在 项目的例子目录 中找到所有支持功能的完整示例。
要在本地安装这个工具,只需使用 cargo
命令:
cargo add tiktoken-rs
安装完成后,可以在 Rust 代码中调用其 API。例如:进行词元长度统计:
use tiktoken_rs::o200k_base; let bpe = o200k_base().unwrap(); let tokens = bpe.encode_with_special_tokens("This is a sentence with spaces"); println!("Token count: {}", tokens.len());
或者计算聊天完成请求的最大词元参数:
use tiktoken_rs::{get_chat_completion_max_tokens, ChatCompletionRequestMessage}; let messages = vec![ ChatCompletionRequestMessage { content: Some("You are a helpful assistant that only speaks French.".to_string()), role: "system".to_string(), name: None, function_call: None, }, ChatCompletionRequestMessage { content: Some("Hello, how are you?".to_string()), role: "user".to_string(), name: None, function_call: None, }, ChatCompletionRequestMessage { content: Some("Parlez-vous francais?".to_string()), role: "system".to_string(), name: None, function_call: None, }, ]; let max_tokens = get_chat_completion_max_tokens("o1-mini", &messages).unwrap(); println!("max_tokens: {}", max_tokens);
如果使用 async-openai
功能,可以在Cargo.toml
中启用相应特性:
use tiktoken_rs::async_openai::get_chat_completion_max_tokens; use async_openai::types::{ChatCompletionRequestMessage, Role}; let messages = vec![ ChatCompletionRequestMessage { content: Some("You are a helpful assistant that only speaks French.".to_string()), role: Role::System, name: None, function_call: None, }, ChatCompletionRequestMessage { content: Some("Hello, how are you?".to_string()), role: Role::User, name: None, function_call: None, }, ChatCompletionRequestMessage { content: Some("Parlez-vous francais?".to_string()), role: Role::System, name: None, function_call: None, }, ]; let max_tokens = get_chat_completion_max_tokens("o1-mini", &messages).unwrap(); println!("max_tokens: {}", max_tokens);
tiktoken
支持 OpenAI 模型使用的各种编码格式:
o200k_base
:适用于 GPT-4o 模型,o1 模型cl100k_base
:用于 ChatGPT 模型和 text-embedding-ada-002
p50k_base
:用于代码模型,text-davinci-002
、text-davinci-003
p50k_edit
:用于编辑模型,如 text-davinci-edit-001
、code-davinci-edit-001
r50k_base
(或 gpt2
):用于 GPT-3 模型,如 davinci
有关不同分词器更多的背景知识,可以参见 OpenAI 的相关指南。
如果在使用过程中遇到任何问题或者有任何改进建议,欢迎在项目的代码库上提交 Issue。
特别感谢 @spolu 提供的原始代码和 .tiktoken
文件。
该项目基于 MIT 许可。
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。
字节跳动发布的AI编程神器IDE
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。
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。
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。
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。
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。
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。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
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