/ Модель

Характеристики

Параметры
365 млн
Лицензия
Своя лицензия
Архитектура
t5 · dense
Базовая модель
byt5-small
Библиотека
transformers
Опубликована
4 сен 2026

spellmtei

Генерация текстаТекст → текст3 профессии

Дообученная байтовая модель ByT5 для исправления орфографии манипури в письменности мейтей-майек.

73скачиваний за 30 дней0лайковвеса обновлены4 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SpellMtei — M1 (ByT5) — это дообученная модель Google ByT5-small, опубликованная nyobemedoc для исправления орфографии на языке манипури (мейтей) в письменности мейтей-майек. Она использует байтовую архитектуру T5 и обучена преобразовывать испорченный текст в исправленный на синтетических примерах: ошибки моделируются с учётом особенностей письменности и фонологии языка. Модель принимает текст и выдаёт исправленный текст; байтовая токенизация позволяет работать с письменностью без отдельного словаря токенов.

На замороженном синтетическом тестовом наборе из 1 012 предложений модель снизила долю символьных ошибок с 6,26% до 2,86%, удалив 54% ошибок. Однако она склонна переписывать уже корректный текст: в тесте были изменены 60% чистых предложений. Обучение проводилось в течение шести эпох; для генерации в README описан beam search с шириной 4 и максимальной длиной 1024 токена. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой репозитория.

Сценарии применения

  • исправление орфографических ошибок в тексте на мейтей-майек
  • корректура текста на манипури
  • очистка текста с синтетически смоделированными ошибками
  • подготовка манипури-текста к публикации

Ограничения

Модель переисправляет корректный ввод: в тесте она переписала 60% предложений без ошибок. Результаты получены на синтетическом тестовом наборе и могут не отражать качество на реальных пользовательских текстах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SpellMtei — M1 (ByT5)

The best corrector from SpellMtei, a spelling corrector for Manipuri (Meetei) in the Meetei Mayek script. google/byt5-small fine-tuned as a denoiser on synthetic supervision: clean Meetei Mayek text is corrupted by an error model grounded in the script's structure and in Meetei phonology, and the model learns to reconstruct it.

Tokenizer-free (byte-level), so no vocabulary work for the script.

Anonymised for peer review. De-anonymised on acceptance.

Results — frozen synthetic test set (1,012 sentences, input CER 6.26%)

PRF0.5chrFchrF++CER%TERFP-clean%
Uncorrected input–––85.080.76.2628.50.0
M1 ByT5 (this model)35.441.336.591.488.42.8616.460.0

Removes 54% of the character error and lifts chrF by 6.4 points. Like the other SpellMtei models it over-corrects already-correct input (it rewrites 60% of clean sentences) — raising the clean-sentence rate in training is the clearest next step.

Usage

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tok = AutoTokenizer.from_pretrained("nyobemedoc/spellmtei")
model = AutoModelForSeq2SeqLM.from_pretrained("nyobemedoc/spellmtei")

text = "ꯑꯩꯈꯣꯏꯒꯤ ꯅꯥꯛꯇꯥ ꯍꯧꯖꯤꯛ ꯂꯔꯦ"          # dropped vowel sign
ids = tok(text, return_tensors="pt").input_ids
out = model.generate(ids, num_beams=4, max_length=1024)
print(tok.decode(out[0], skip_special_tokens=True))   # ... ꯍꯧꯖꯤꯛ ꯂꯩꯔꯦ

Feed one sentence at a time; NFC-normalise and collapse whitespace first.

Training

google/byt5-small (~300M params), 6 epochs, one RTX 6000 Ada, bf16, Adafactor, cosine schedule, max_len 1024, beam 4 at inference. Noise is resampled every epoch; 20% of training pairs are left uncorrupted.

Related artifacts

Error profile, frozen evaluation sets, pipeline code, and the other two correctors (a from-scratch character edit tagger and a statistical noisy channel): nyobemedoc/spellmtei (dataset).

License

To be finalised with the camera-ready release.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
968c33a

0 моделей