#text-processing Repositorios
113 repositorios en total
Una simple alternativa a Spritz de código abierto basada en terminal (RSVP palabra por palabra alineada en puntos de lectura óptimos)
Analizador morfológico / motor de inflexión para los idiomas ruso y ucraniano.
Moqi Phonetic-Shape: Creando el mejor esquema de entrada Rime con código auxiliar para doble pinyin, haciendo que los códigos auxiliares sean accesibles para todos los usuarios de doble pinyin. Basado en el diccionario 'Wusong-Baishuang', admite varios diseños de doble pinyin como Xiaohe, Ziranma, Sogou y Microsoft. El soporte de código auxiliar incluye Moqi Code (descomposición original de código abierto para 100,000 caracteres), radicales Ziranma y formas Xiaohe. Permite combinaciones flexibles de doble pinyin y códigos auxiliares, admitiendo entrada de frases y caracteres. Para caracteres desconocidos, ofrece búsqueda inversa mediante trazos, componentes o códigos Cangjie. Incluye modos 'aw'/'aj' para inglés/japonés, escritura por acordes, emojis, atajos, fechas, números en mayúsculas y calculadora. Wusong-Xiaohe | Wusong-Ziranma | Moqi Code | Moqi Phonetic-Shape
Guía sobre el uso de Python para scripting administrativo
Herramienta de traducción de archivos fácil de usar, rápida, gratuita, de tamaño de archivo ilimitado y multiplataforma, basada en Deeplx y Playwright, que admite la traducción de textos muy largos.
Implementación en Java del algoritmo Aho-Corasick para una comparación eficiente de cadenas
La biblioteca de coincidencia regex aproximada y la herramienta de línea de comandos agrep.
Un método de entrada chino para Emacs, que admite Pinyin completo, Shuangpin, Wubi, Cangjie y Rime. pyim es un paquete de GNU ELPA.
Convierte HTML desordenado del mundo real en Markdown limpio, en todos los idiomas principales.
Una herramienta para transcribir texto ortográfico a IPA (Alfabeto Fonético Internacional)
Escritura Rápida - Un método de escritura vietnamita moderno y de alto rendimiento para macOS.
Implementación en C# .NET de la coincidencia de cadenas difusa del algoritmo Python FuzzyWuzzy bien conocido de Seat Geek.
text-humanizer es un proyecto de código abierto diseñado para convertir texto generado por IA en una versión “humanizada”. Evita la mayoría de los detectores de IA, como Turnitin y GPTZero.
InfiniteGPT es un script de Python que te permite ingresar texto de tamaño ilimitado en la API de OpenAI. Se acabaron las tediosas operaciones de copiar y pegar. ¡Larga vida al multithreading!
Mide la diferencia entre dos cadenas con la implementación JS más rápida del algoritmo de distancia de Levenshtein
Maneje fácilmente las operaciones CLI del día a día a través de Python en lugar de programas Bash regulares. 🇺🇦 #supporting
Una implementación en Golang del algoritmo de coincidencias de cadenas Aho-Corasick
Analiza los nombres de personas y separa el tratamiento, el nombre, el segundo nombre, los apellidos, el sufijo, el apodo y el apellido de soltera. Con tipado, sin dependencias y compatible con caracteres CJK.
Servicio de accesibilidad de Android para la transformación de texto mediante IA
Ekphrasis es una herramienta de procesamiento de texto, orientada a textos de redes sociales, como Twitter o Facebook. Ekphrasis realiza tokenización, normalización de palabras, segmentación de palabras (para dividir hashtags) y corrección ortográfica, utilizando estadísticas de palabras de 2 grandes corpus (Wikipedia en inglés, twitter - 330 millones de tuits en inglés).
Open Korean Text Processor - Un procesador de texto coreano de código abierto
Convierte PDFs y EPUBs en audiolibros; subtítulos o videos en videos doblados (incluyendo traducción), y más. Gratis. Pandrator utiliza modelos locales, incluyendo clonación de voz (instantánea, mejorada con RVC, ajuste fino de XTTS) y procesamiento LLM. Aspira a ser una aplicación fácil de usar con interfaz gráfica, instalador y paquetes todo en uno.
Pragmatic Segmenter es una joya basada en reglas para la detección de límites de oraciones que funciona de inmediato en muchos idiomas.