/ Модель

Характеристики

Контекст
96 токенов
Параметры
265 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
banglish-encoder
Библиотека
sentence-transformers
Опубликована
20 авг 2026

banglish-embed

ЭмбеддингиТекст → embedding4 профессии

Модель эмбеддингов для поиска смысловых соответствий между короткими фразами на бенгальском языке и бенглиш, записанным латиницей.

156скачиваний за 30 дней0лайковвеса обновлены6 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 «Эмбеддинги» — 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

sifat-febo/banglish-embed — модель векторных представлений предложений, разработанная автором карточки для поиска семантически соответствующих фраз на бенгальском языке и бенглиш, то есть бенгальской речи, записанной латиницей. Она преобразует короткие тексты в эмбеддинги, чтобы находить эквивалентные фразы между двумя письменностями; модель основана на BERT и дообучена на базе sifat-febo/banglish-encoder. Для запуска используется библиотека sentence-transformers; модель работает локально на CPU и не требует подключения к интернету.

Модель рассчитана на короткие фразы и предложения примерно до 60 слов. В README приведены результаты поиска первого соответствия на наборе из 2 000 пар: 99,5% для направления с бенгальского на бенглиш и 99,2% в обратном направлении; эти показатели относятся к описанному тесту. Контекст модели — 96 токенов. Лицензия Apache-2.0.

Сценарии применения

  • поиск бенгальского текста по запросу на бенглиш
  • поиск фразы на бенглиш по бенгальскому предложению
  • семантическое сопоставление коротких фраз в двух письменностях
  • создание поиска по бенгальским и латинским вариантам текста

Ограничения

Предназначена для короткого текста: примерно после 60 слов вход обрезается. Модель решает задачу сопоставления смысла двух предложений, а не отвечает на произвольные вопросы.

Для каких профессий подходит4

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

Banglish Embed

One space. Two scripts.

কারো কাজ করলে বলবেন প্লিজ
Karo kaj korle bolben please

Search in either. Find both.

 

Banglish e

ki eta? Bangla ar Banglish — ek kotha duivabe likhle, model duitake ek jaygay rakhe. Tai Banglish diye search korle Bangla lekha o paba.

ki lagbe? pip install sentence-transformers, ar 1 GB jayga. Kono GPU lage na — nijer computer er CPU tei cholbe, offline.

mone rakho: choto lekhar jonno — ek-duita line. Lomba pera'r jonno na.

 

Use it

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("sifat-febo/banglish-embed")
v = model.encode(["Karo kaj korle bolben please",
                  "কারো কাজ করলে বলবেন প্লিজ"])
model.similarity(v[0], v[1])

0.95 GB. Runs on a personal computer's CPU. No GPU. No account. No internet.

 

Why

We write Banglish. Our data is Bengali. Nothing matches.

Now it does.

 

How good

One Bengali sentence. 1,999 Banglish ones to choose from.

It picks the right partner first, 199 times out of 200.

Bengali → BanglishBanglish → BengaliSize
this model0.9950.9920.95 GB
banglish-embed-minilm-small0.9880.9860.47 GB
banglish-embed-tiny0.9900.9870.012 GB

The same 2,000 pairs as the previous release, none of which any version of the model was trained on. The misses fell from 62 to 26 — more than half of them gone. And we read all 26 by hand: most are test rows that cannot be won (a name anonymized on one side only, two near-identical sentences fighting over first place, one line of corrupted emoji). On clean sentences it is close to unbeaten.

 

What changed

The previous release was a 12 MB model built from scratch. This one is MuRIL, further pretrained on Banglish and then trained on the same pairs with the same recipe. A gigabyte where the original was 12 MB — and less than half the misses. And now a stock BERT, so any tool that speaks sentence-transformers or plain transformers loads it.

The 12 MB one now has its own home: banglish-embed-tiny — eighty times smaller, half a point behind, and it runs in a browser. banglish-embed-minilm-small is the drop-in one: it keeps the tokenizer and the 384 dimensions of a widely used multilingual embedder, so a pipeline already built around that model swaps this in and reads Banglish, with nothing else to change and nothing to fine-tune.

The backbone ships on its own as banglish-encoder — fine-tune it for anything Banglish.

 

Limits

About sixty words, in either script, then it truncates. It answers one question and no others: do these two sentences mean the same thing.

 

Fine print

Both releases were scored on the exact same 2,000 pairs, unwinnable rows included — nothing was dropped to raise a number. Treat 99.5% as what it is: first place ahead of the other 1,999 sentences, counted the hard way (a tie counts as a miss).

 

AI Disclosure

The author designed the system, chose the base models, ran all training and measurement on the author's own machine, read the models' output, and chose what to publish and what to withhold. Claude Code (Anthropic) was used as a coding and writing tool under that direction.

 

License

Apache 2.0. Base model MuRIL (Google, Apache 2.0). Pair data from BanglaTLit (MIT).

@misc{banglishembed2026,
  author = {Sifat Febo},
  title = {Banglish Embed: one space, two scripts},
  year = {2026},
  url = {https://huggingface.co/sifat-febo/banglish-embed}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
de74452

0 моделей