ByT5-small

新模型恢复克什米尔语文本中的注音符号

研究人员开发了 Koshur Diacritizer，这是一种字节级序列到序列模型，旨在恢复克什米尔语文本中的注音符号。该模型解决了数字克什米尔语中省略注音符号的常见问题，这阻碍了自然语言处理应用。为了支持这项工作，发布了一个包含超过 23,000 个对齐句子对的新数据集，以及模型和源代码，以建立克什米尔语注音恢复的可复现基线，并帮助其他低资源语言的研究。