Nunchi TR5n-102K
исправ��яет текст, набранный не в той раскладке
2 min readupdated
Модель для token-classification от min-1870 — основа Windows-помощника Nunchi. Она читает сырые нажатия 두벌식, а не символы, и размечает каждую клавишу как корейскую или английскую; слово с меняющейся разметкой делится (MBC는 = MBC + 는). Архитектура: Transformer над потоком клавиш с CRF, d=256, 4 слоя, 3,2 млн параметров.
Ключевые особенности
- Понимает ввод в неверной раскладке:
dkssud→안녕,ㅗ디ㅣㅐ→hello. - Работает по сырым нажатиям, включая пробелы; на выходе метки English/Korean и CRF-декодирование.
- Компактная: 3,2 млн параметров, ONNX-файл
tr5n_102k.onnx. - Быстро: 3,8 мс на слово на одном потоке Ryzen 5 5600 в ONNX Runtime.
- Обучение: 102 тыс. шагов, seed 0 из двух.
Пример
В английской раскладке набираете dkssud — Nunchi превращает это в 안녕. В корейской раскладке ㅗ디ㅣㅐ становится hello. Слово MBC는 модель делит на MBC и 는.
Подробнее
На dev-наборах доля ошибок: 0,10% для Korean only и 0,03% для English only; в реальном использовании — 0,79% из 17 876 слов за 32 дня.Слабые места: слова, которые существуют в обоих языках (
so/내, go/해), первое слово строки без контекста, строчный английский, приклеенный к корейскому, и недопечатанные слова.Обучена только на клавишах 두벌식 и на письменном тексте, а не на записях набора. Веса — CC BY-SA 4.0, насколько это возможно; права на сторонний текст не передаются.










Comments