Sbert Punc Case Ru

🚀 SbertPuncCase

SbertPuncCase 是一個用於俄語的標點和大小寫恢復模型。該模型能夠正確添加句號、逗號和問號，還能識別單詞的大小寫形式，包括小寫、首字母大寫和全大寫。此模型專為語音識別後的文本恢復而設計，因此主要處理小寫字符串。它基於 sbert_large_nlu_ru 構建，訓練數據採用了訪談的文字記錄。

🚀 快速開始

安裝步驟

1. 確保你已經安裝了 git-lfs。
2. 可以使用以下命令快速安裝：

pip install git+https://huggingface.co/kontur-ai/sbert_punc_case_ru

使用示例

基礎用法

from sbert_punc_case_ru import SbertPuncCase
model = SbertPuncCase()
model.punctuate("sbert punc case расставляет точки запятые и знаки вопроса вам нравится")

✨ 主要特性

• 能夠準確恢復俄語文本的標點符號。
• 可以識別並正確設置單詞的大小寫形式。
• 專為語音識別後的文本處理而設計，適用於小寫字符串。

📚 詳細文檔

工作原理

1. 將輸入文本轉換為小寫並拆分為單詞。
2. 將單詞進一步拆分為詞元（tokens）。
3. 模型（類似於命名實體識別任務）為每個詞元預測一個類別。共有 12 個類別，即 3 種標點符號加上無標點符號，每種情況又對應 3 種大小寫形式。
4. 解碼函數根據預測的類別恢復文本。

代碼位置

模型代碼位於 sbert-punc-case-ru/sbertpunccase.py 文件中。

📄 許可證

本項目採用 apache-2.0 許可證。

👥 作者

• Альмира Муртазина
• Александр Абугалиев

📦 模型信息