/ Модель

Характеристики

Параметры
365 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
dhivehi-byt5-latin2thaana-v1
Библиотека
transformers
Опубликована
18 мая 2026

dhivehi-byt5-latin2thaana-keymap-v1

ПереводТекст → текст3 профессии

Дообученная ByT5-модель преобразует латинскую запись дивехи в ASCII keymap, который затем переводится в письменность тхаана.

33скачиваний за 30 дней0лайковвеса обновлены13 авг 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

Это дообученная модель ByT5, разработанная для транслитерации латиницей записанного дивехи в письменность тхаана. Она генерирует выход в виде ASCII-символов раскладки Segha, после чего его нужно преобразовать в тхаана с помощью функции keymap_to_thaana из проекта. Такая схема уменьшает число шагов декодирования примерно втрое по сравнению с генерацией байтов UTF-8 для символов тхаана; символы, цифры, знаки препинания и пробелы обрабатываются согласно описанию раскладки. Модель содержит 364,6 млн параметров, построена на архитектуре T5 и распространяется в формате safetensors под лицензией Apache-2.0.

Модель дообучена на парах транслитерации дивехи и использует Neobe/dhivehi-byt5-latin2thaana-v1 как базовую модель. В README отмечены типичные проблемы исходной модели — галлюцинации на коротких входах и ухудшение качества на длинных; для их смягчения применялась аугментация примеров разной длины. Для отображения результата в тхаана требуется отдельный этап преобразования ASCII keymap.

Сценарии применения

  • транслитерация дивехи латиницей в тхаана
  • преобразование текста дивехи в раскладку Segha ASCII
  • пакетная конвертация латинских записей дивехи для последующего отображения в тхаана

Ограничения

Модель выдаёт ASCII keymap, поэтому для получения тхаана требуется отдельное преобразование функцией keymap_to_thaana; преобразование описано как без потерь только для символов раскладки. Для исходной модели отмечены галлюцинации на коротких входах и ухудшение качества на длинных.

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

dhivehi-byt5-latin2thaana-keymap-v1

ByT5 fine-tune for Latin → Dhivehi transliteration that emits an ASCII phonetic keymap instead of Thaana UTF-8 bytes. A short post-processing function maps the ASCII output back to Thaana script.

Because Thaana codepoints (U+0780–U+07BF) occupy three UTF-8 bytes and ByT5 generates one decoder step per output byte, decoding 100 Thaana characters costs 300 decoder steps. Emitting the keymap form (1 byte per character) and converting after generate() finishes gives an end-user-equivalent result at ~3× lower decoder cost.

The model warm-starts from Neobe/dhivehi-byt5-latin2thaana-v1; only the decoder retargets to the new output alphabet.

Usage

The model's raw output is ASCII (Segha phonetic keyboard layout). You need the keymap_to_thaana conversion function from the project repo to render Thaana.

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
from keymap import keymap_to_thaana  # from div-transliteration repo

MODEL_ID = "str33t/dhivehi-byt5-latin2thaana-keymap-v1"
tok = AutoTokenizer.from_pretrained(MODEL_ID)
mdl = AutoModelForSeq2SeqLM.from_pretrained(MODEL_ID)

text = "aharumen anekkaa ves bahdhalu vee"
inputs = tok(text, return_tensors="pt")
out = mdl.generate(**inputs, num_beams=4, max_new_tokens=512)
ascii_keymap = tok.decode(out[0], skip_special_tokens=True)

thaana = keymap_to_thaana(ascii_keymap)
print(thaana)

Keymap

The Segha phonetic layout maps every Thaana letter / fili / sukun to a unique ASCII byte (see keymap.py in the project repo for the exact tables, taken verbatim from jawish/jtk). Conversion is deterministic and lossless on in-layout characters; digits, punctuation, and whitespace pass through.

Training

  • Base model: Neobe/dhivehi-byt5-latin2thaana-v1
  • Corpus: alakxender/dhivehi-transliteration-pairs (Thaana side converted to keymap via keymap.py)
  • Length-diverse augmentation to mitigate the short-input hallucination and long-input degradation modes documented in the project's MODEL_NOTES.md.

Full methodology, ablations, and results: project README.

License

Apache 2.0 (inherited from the base model and ByT5).

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
38383cc

0 моделей