Kanglish

新的 Bhasha 模型逐词识别语言，在泰米尔语方面遇到困难

一款名为 Bhasha 的新开源模型已被开发出来，用于识别混合编码印度文本中单个单词的语言，支持 Hinglish、Tanglish 和 Kanglish 等语言。虽然 Bhasha 在许多印度语言上表现良好，但在泰米尔语方面遇到困难，将相当一部分泰米尔语单词错误地归类为泰卢固语。该模型拥有 2.78 亿个参数，可在 CPU 上运行，使用公开文本数据进行训练，并根据 Apache-2.0 许可证提供。