Upload folder using huggingface_hub
Browse files- README.md +139 -0
- added_tokens.json +3 -0
- special_tokens_map.json +30 -0
- spm.model +3 -0
- spm.vocab +206 -0
- tokenizer.json +779 -0
- tokenizer.model +3 -0
- tokenizer_config.json +59 -0
README.md
ADDED
|
@@ -0,0 +1,139 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
|
| 2 |
+
```markdown
|
| 3 |
+
---
|
| 4 |
+
language:
|
| 5 |
+
- baq
|
| 6 |
+
- bci
|
| 7 |
+
- fr
|
| 8 |
+
tags:
|
| 9 |
+
- African NLP
|
| 10 |
+
- low-resource language
|
| 11 |
+
- sentencepiece
|
| 12 |
+
- tokenizer
|
| 13 |
+
- Baoulé
|
| 14 |
+
- Côte d'Ivoire
|
| 15 |
+
- translation
|
| 16 |
+
- tonal language
|
| 17 |
+
datasets:
|
| 18 |
+
- custom
|
| 19 |
+
license: apache-2.0
|
| 20 |
+
library_name: transformers
|
| 21 |
+
pipeline_tag: text2text-generation
|
| 22 |
+
widget:
|
| 23 |
+
- text: "Wafa sɛ yɛ ɔ fata kɛ be nga be lafi su kɛ bé trán asiɛ’n su wa’n, be bu be nga bé kɔ́ ɲanmiɛn"
|
| 24 |
+
example_title: "Traduction de base"
|
| 25 |
+
---
|
| 26 |
+
|
| 27 |
+
# Tokenizer Baoulé : Modèle de Traduction Français-Baoulé
|
| 28 |
+
|
| 29 |
+
🌍 Premier tokenizer SentencePiece spécialisé pour la langue Baoulé (Côte d'Ivoire) 🇨🇮
|
| 30 |
+
|
| 31 |
+
[](https://huggingface.co/votre_username/baoule-tokenizer)
|
| 32 |
+
|
| 33 |
+
## Fonctionnalités Clés
|
| 34 |
+
|
| 35 |
+
✅ Prise en charge complète des caractères tonals Baoulé (ɛ́, ɩ̄, ɔ̀, etc.)
|
| 36 |
+
✅ Optimisé pour les modèles de traduction automatique (Transformer)
|
| 37 |
+
✅ Vocabulaire de 206 tokens avec couverture linguistique complète
|
| 38 |
+
✅ Intégration native avec 🤗 Transformers et Tokenizers
|
| 39 |
+
✅ Compatible avec Google Traduction Custom Model et Amazon Translate
|
| 40 |
+
|
| 41 |
+
## Installation et Utilisation
|
| 42 |
+
|
| 43 |
+
```python
|
| 44 |
+
from transformers import AutoTokenizer
|
| 45 |
+
|
| 46 |
+
tokenizer = AutoTokenizer.from_pretrained("Adjoumani/BaouleTokenizer_V1")
|
| 47 |
+
|
| 48 |
+
# Utilisation du tokenizer
|
| 49 |
+
|
| 50 |
+
text = "Wafa sɛ yɛ ɔ fata kɛ be nga be lafi su kɛ bé trán asiɛ’n su wa’n, be bu be nga bé kɔ́ ɲanmiɛn"
|
| 51 |
+
encoded = tokenizer.encode(text)
|
| 52 |
+
decoded = tokenizer.decode(encoded)
|
| 53 |
+
|
| 54 |
+
print(f"Tokens: {tokenizer.tokenize(text)}")
|
| 55 |
+
# Output: ['W', 'a', 'f', 'a', '▁s', 'ɛ', '▁y', 'ɛ', '▁ɔ', '▁f', 'a', 't', 'a', '▁k', 'ɛ', '▁b', 'e', '▁n', 'g', 'a', '▁b', 'e', '▁l', 'a', 'f', 'i', '▁s', 'u', '▁k', 'ɛ', '▁b', 'é', '▁t', 'r', 'á', 'n', '▁a', 's', 'i', 'ɛ', '’', 'n', '▁s', 'u', '▁w', 'a', '’', 'n', ',', '▁b', 'e', '▁b', 'u', '▁b', 'e', '▁n', 'g', 'a', '▁b', 'é', '▁k', 'ɔ', '́', '▁ɲ', 'a', 'n', 'm', 'i', 'ɛ', 'n']
|
| 56 |
+
```
|
| 57 |
+
|
| 58 |
+
## Détails Techniques
|
| 59 |
+
|
| 60 |
+
| Paramètre | Valeur |
|
| 61 |
+
|--------------------|----------------------|
|
| 62 |
+
| Architecture | SentencePiece BPE |
|
| 63 |
+
| Taille du vocabulaire | 206 |
|
| 64 |
+
| Caractères couverts | 1.0 (Unicode) |
|
| 65 |
+
| Tokens spéciaux | [BOS], [EOS], [UNK], [PAD] |
|
| 66 |
+
| Langues cibles | Français ↔ Baoulé |
|
| 67 |
+
| Encodage | UTF-8 |
|
| 68 |
+
|
| 69 |
+
## Tons Supportés
|
| 70 |
+
|
| 71 |
+
Le tokenizer gère tous les tons Baoulé selon la norme Unicode :
|
| 72 |
+
|
| 73 |
+
| Caractère | Code Unicode | Exemple |
|
| 74 |
+
|-----------|--------------|---------|
|
| 75 |
+
| ɛ́ | U+025B U+0301| Mɔ́kɛ́ |
|
| 76 |
+
| ɩ̄ | U+0269 U+0304| Ɩ̄tɩ̄ |
|
| 77 |
+
| ɔ̀ | U+0254 U+0300| Kɔ̀lɔ̀ |
|
| 78 |
+
| ɛ̂ | U+025B U+0302| Ɛ̂sɛ̂ |
|
| 79 |
+
|
| 80 |
+
## Cas d'Usage Recommandés
|
| 81 |
+
|
| 82 |
+
- Traduction automatique Français-Baoulé
|
| 83 |
+
- Synthèse vocale pour systèmes d'assistance vocale
|
| 84 |
+
- Reconnaissance de la parole Baoulé
|
| 85 |
+
- Outils éducatifs numériques
|
| 86 |
+
- Préservation du patrimoine linguistique
|
| 87 |
+
|
| 88 |
+
## Meilleures Pratiques
|
| 89 |
+
|
| 90 |
+
```python
|
| 91 |
+
# Pour gérer les phrases longues
|
| 92 |
+
tokenizer.model_max_length = 512
|
| 93 |
+
|
| 94 |
+
# Ajout de tokens personnalisés
|
| 95 |
+
new_tokens = ["<dialect:NDÊ>", "<dialect:SAFOUÈ>"]
|
| 96 |
+
tokenizer.add_tokens(new_tokens)
|
| 97 |
+
```
|
| 98 |
+
|
| 99 |
+
## Jeu de Données d'Entraînement
|
| 100 |
+
|
| 101 |
+
Données collectées grâce à :
|
| 102 |
+
- Traductions de textes bibliques : Les données ont été extraites en grande partie depuis [Glosbe](https://www.glosbe.com/) et structurées manuellement pour assurer une qualité et une précision optimales. Le contenu a été nettoyé pour supprimer les balises HTML indésirables et formaté de manière cohérente.
|
| 103 |
+
- Corpus oral transcrit (projet UNESCO)
|
| 104 |
+
- Phrases quotidiennes annotées
|
| 105 |
+
- Textes gouvernementaux bilingues
|
| 106 |
+
|
| 107 |
+
**Taille du corpus** : 1500 phrases alignées (en cours d'expansion)
|
| 108 |
+
|
| 109 |
+
## Citation
|
| 110 |
+
|
| 111 |
+
Si vous utilisez ce tokenizer dans vos recherches, merci de citer :
|
| 112 |
+
|
| 113 |
+
```bibtex
|
| 114 |
+
@misc{BaouleTokenizer2023,
|
| 115 |
+
author = {Votre Nom},
|
| 116 |
+
title = {Baoulé Tokenizer for Low-Resource Machine Translation},
|
| 117 |
+
year = {2023},
|
| 118 |
+
publisher = {Hugging Face},
|
| 119 |
+
howpublished = {\url{https://huggingface.co/Adjoumani/BaouleTokenizer_V1}}
|
| 120 |
+
}
|
| 121 |
+
```
|
| 122 |
+
|
| 123 |
+
## Licence
|
| 124 |
+
|
| 125 |
+
Apache 2.0 - [Voir la licence complète](LICENSE)
|
| 126 |
+
|
| 127 |
+
## Contribuer
|
| 128 |
+
|
| 129 |
+
Nous encourageons les contributions notamment pour :
|
| 130 |
+
- L'expansion du vocabulaire
|
| 131 |
+
- L'annotation des tons
|
| 132 |
+
- L'ajout de dialectes régionaux
|
| 133 |
+
|
| 134 |
+
Contact : [contact@les-experts-en-solutions-digitales.com](mailto:contact@les-experts-en-solutions-digitales.com)
|
| 135 |
+
|
| 136 |
+
---
|
| 137 |
+
|
| 138 |
+
**Mots-clés SEO** : Tokenizer Baoulé, Traduction Français-Baoulé, NLP Africain, Langues Tonales, Côte d'Ivoire AI, Modèle Linguistique Basse Ressource, SentencePiece Baoulé, Préservation Langue Africaine
|
| 139 |
+
```
|
added_tokens.json
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"<pad>": 206
|
| 3 |
+
}
|
special_tokens_map.json
ADDED
|
@@ -0,0 +1,30 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"bos_token": {
|
| 3 |
+
"content": "<s>",
|
| 4 |
+
"lstrip": false,
|
| 5 |
+
"normalized": false,
|
| 6 |
+
"rstrip": false,
|
| 7 |
+
"single_word": false
|
| 8 |
+
},
|
| 9 |
+
"eos_token": {
|
| 10 |
+
"content": "</s>",
|
| 11 |
+
"lstrip": false,
|
| 12 |
+
"normalized": false,
|
| 13 |
+
"rstrip": false,
|
| 14 |
+
"single_word": false
|
| 15 |
+
},
|
| 16 |
+
"pad_token": {
|
| 17 |
+
"content": "<pad>",
|
| 18 |
+
"lstrip": false,
|
| 19 |
+
"normalized": false,
|
| 20 |
+
"rstrip": false,
|
| 21 |
+
"single_word": false
|
| 22 |
+
},
|
| 23 |
+
"unk_token": {
|
| 24 |
+
"content": "<unk>",
|
| 25 |
+
"lstrip": false,
|
| 26 |
+
"normalized": false,
|
| 27 |
+
"rstrip": false,
|
| 28 |
+
"single_word": false
|
| 29 |
+
}
|
| 30 |
+
}
|
spm.model
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:9d8c538d19bc460d3b0730c26645f6b0ede1f462c5cbf9bc6cf5dc578f0049f1
|
| 3 |
+
size 240063
|
spm.vocab
ADDED
|
@@ -0,0 +1,206 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
<unk> 0
|
| 2 |
+
<s> 0
|
| 3 |
+
</s> 0
|
| 4 |
+
▁n -0
|
| 5 |
+
▁a -1
|
| 6 |
+
▁i -2
|
| 7 |
+
▁ɛ -3
|
| 8 |
+
▁u -4
|
| 9 |
+
▁e -5
|
| 10 |
+
▁l -6
|
| 11 |
+
▁’ -7
|
| 12 |
+
▁k -8
|
| 13 |
+
▁m -9
|
| 14 |
+
▁s -10
|
| 15 |
+
▁b -11
|
| 16 |
+
▁ɔ -12
|
| 17 |
+
▁, -13
|
| 18 |
+
▁' -14
|
| 19 |
+
▁o -15
|
| 20 |
+
▁w -16
|
| 21 |
+
▁f -17
|
| 22 |
+
▁t -18
|
| 23 |
+
▁g -19
|
| 24 |
+
▁y -20
|
| 25 |
+
▁. -21
|
| 26 |
+
▁r -22
|
| 27 |
+
▁d -23
|
| 28 |
+
▁p -24
|
| 29 |
+
▁z -25
|
| 30 |
+
▁j -26
|
| 31 |
+
▁: -27
|
| 32 |
+
▁1 -28
|
| 33 |
+
▁Z -29
|
| 34 |
+
▁c -30
|
| 35 |
+
▁? -31
|
| 36 |
+
▁S -32
|
| 37 |
+
▁A -33
|
| 38 |
+
▁N -34
|
| 39 |
+
▁K -35
|
| 40 |
+
▁v -36
|
| 41 |
+
▁á -37
|
| 42 |
+
▁2 -38
|
| 43 |
+
▁Ɲ -39
|
| 44 |
+
▁M -40
|
| 45 |
+
▁ɲ -41
|
| 46 |
+
▁B -42
|
| 47 |
+
▁é -43
|
| 48 |
+
▁“ -44
|
| 49 |
+
▁” -45
|
| 50 |
+
▁I -46
|
| 51 |
+
▁́ -47
|
| 52 |
+
▁‘ -48
|
| 53 |
+
▁3 -49
|
| 54 |
+
▁Ɔ -50
|
| 55 |
+
▁4 -51
|
| 56 |
+
▁0 -52
|
| 57 |
+
▁) -53
|
| 58 |
+
▁E -54
|
| 59 |
+
▁5 -55
|
| 60 |
+
▁- -56
|
| 61 |
+
▁( -57
|
| 62 |
+
▁L -58
|
| 63 |
+
▁— -59
|
| 64 |
+
▁Y -60
|
| 65 |
+
▁F -61
|
| 66 |
+
▁ó -62
|
| 67 |
+
▁í -63
|
| 68 |
+
▁ú -64
|
| 69 |
+
▁6 -65
|
| 70 |
+
▁W -66
|
| 71 |
+
▁7 -67
|
| 72 |
+
▁9 -68
|
| 73 |
+
▁D -69
|
| 74 |
+
▁T -70
|
| 75 |
+
▁8 -71
|
| 76 |
+
▁P -72
|
| 77 |
+
▁; -73
|
| 78 |
+
▁Ɛ -74
|
| 79 |
+
▁! -75
|
| 80 |
+
▁J -76
|
| 81 |
+
▁ń -77
|
| 82 |
+
▁G -78
|
| 83 |
+
▁R -79
|
| 84 |
+
▁U -80
|
| 85 |
+
▁[ -81
|
| 86 |
+
▁] -82
|
| 87 |
+
▁C -83
|
| 88 |
+
▁O -84
|
| 89 |
+
▁h -85
|
| 90 |
+
▁• -86
|
| 91 |
+
▁É -87
|
| 92 |
+
▁▪ -88
|
| 93 |
+
▁* -89
|
| 94 |
+
▁/ -90
|
| 95 |
+
▁Ń -91
|
| 96 |
+
▁q -92
|
| 97 |
+
▁| -93
|
| 98 |
+
▁V -94
|
| 99 |
+
▁ḿ -95
|
| 100 |
+
▁– -96
|
| 101 |
+
▁è -97
|
| 102 |
+
▁Ḿ -98
|
| 103 |
+
▁H -99
|
| 104 |
+
▁Á -100
|
| 105 |
+
▁ -101
|
| 106 |
+
n -102
|
| 107 |
+
a -103
|
| 108 |
+
i -104
|
| 109 |
+
ɛ -105
|
| 110 |
+
u -106
|
| 111 |
+
e -107
|
| 112 |
+
l -108
|
| 113 |
+
’ -109
|
| 114 |
+
k -110
|
| 115 |
+
m -111
|
| 116 |
+
s -112
|
| 117 |
+
b -113
|
| 118 |
+
ɔ -114
|
| 119 |
+
, -115
|
| 120 |
+
' -116
|
| 121 |
+
o -117
|
| 122 |
+
w -118
|
| 123 |
+
f -119
|
| 124 |
+
t -120
|
| 125 |
+
g -121
|
| 126 |
+
y -122
|
| 127 |
+
. -123
|
| 128 |
+
r -124
|
| 129 |
+
d -125
|
| 130 |
+
p -126
|
| 131 |
+
z -127
|
| 132 |
+
j -128
|
| 133 |
+
: -129
|
| 134 |
+
1 -130
|
| 135 |
+
Z -131
|
| 136 |
+
c -132
|
| 137 |
+
? -133
|
| 138 |
+
S -134
|
| 139 |
+
A -135
|
| 140 |
+
N -136
|
| 141 |
+
K -137
|
| 142 |
+
v -138
|
| 143 |
+
á -139
|
| 144 |
+
2 -140
|
| 145 |
+
Ɲ -141
|
| 146 |
+
M -142
|
| 147 |
+
ɲ -143
|
| 148 |
+
B -144
|
| 149 |
+
é -145
|
| 150 |
+
“ -146
|
| 151 |
+
” -147
|
| 152 |
+
I -148
|
| 153 |
+
́ -149
|
| 154 |
+
‘ -150
|
| 155 |
+
3 -151
|
| 156 |
+
Ɔ -152
|
| 157 |
+
4 -153
|
| 158 |
+
0 -154
|
| 159 |
+
) -155
|
| 160 |
+
E -156
|
| 161 |
+
5 -157
|
| 162 |
+
- -158
|
| 163 |
+
( -159
|
| 164 |
+
L -160
|
| 165 |
+
— -161
|
| 166 |
+
Y -162
|
| 167 |
+
F -163
|
| 168 |
+
ó -164
|
| 169 |
+
í -165
|
| 170 |
+
ú -166
|
| 171 |
+
6 -167
|
| 172 |
+
W -168
|
| 173 |
+
7 -169
|
| 174 |
+
9 -170
|
| 175 |
+
D -171
|
| 176 |
+
T -172
|
| 177 |
+
8 -173
|
| 178 |
+
P -174
|
| 179 |
+
; -175
|
| 180 |
+
Ɛ -176
|
| 181 |
+
! -177
|
| 182 |
+
J -178
|
| 183 |
+
ń -179
|
| 184 |
+
G -180
|
| 185 |
+
R -181
|
| 186 |
+
U -182
|
| 187 |
+
[ -183
|
| 188 |
+
] -184
|
| 189 |
+
C -185
|
| 190 |
+
O -186
|
| 191 |
+
h -187
|
| 192 |
+
• -188
|
| 193 |
+
É -189
|
| 194 |
+
▪ -190
|
| 195 |
+
* -191
|
| 196 |
+
/ -192
|
| 197 |
+
Ń -193
|
| 198 |
+
q -194
|
| 199 |
+
| -195
|
| 200 |
+
V -196
|
| 201 |
+
ḿ -197
|
| 202 |
+
– -198
|
| 203 |
+
è -199
|
| 204 |
+
Ḿ -200
|
| 205 |
+
H -201
|
| 206 |
+
Á -202
|
tokenizer.json
ADDED
|
@@ -0,0 +1,779 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"version": "1.0",
|
| 3 |
+
"truncation": null,
|
| 4 |
+
"padding": null,
|
| 5 |
+
"added_tokens": [
|
| 6 |
+
{
|
| 7 |
+
"id": 0,
|
| 8 |
+
"content": "<unk>",
|
| 9 |
+
"single_word": false,
|
| 10 |
+
"lstrip": false,
|
| 11 |
+
"rstrip": false,
|
| 12 |
+
"normalized": false,
|
| 13 |
+
"special": true
|
| 14 |
+
},
|
| 15 |
+
{
|
| 16 |
+
"id": 1,
|
| 17 |
+
"content": "<s>",
|
| 18 |
+
"single_word": false,
|
| 19 |
+
"lstrip": false,
|
| 20 |
+
"rstrip": false,
|
| 21 |
+
"normalized": false,
|
| 22 |
+
"special": true
|
| 23 |
+
},
|
| 24 |
+
{
|
| 25 |
+
"id": 2,
|
| 26 |
+
"content": "</s>",
|
| 27 |
+
"single_word": false,
|
| 28 |
+
"lstrip": false,
|
| 29 |
+
"rstrip": false,
|
| 30 |
+
"normalized": false,
|
| 31 |
+
"special": true
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"id": 206,
|
| 35 |
+
"content": "<pad>",
|
| 36 |
+
"single_word": false,
|
| 37 |
+
"lstrip": false,
|
| 38 |
+
"rstrip": false,
|
| 39 |
+
"normalized": false,
|
| 40 |
+
"special": true
|
| 41 |
+
}
|
| 42 |
+
],
|
| 43 |
+
"normalizer": {
|
| 44 |
+
"type": "Sequence",
|
| 45 |
+
"normalizers": [
|
| 46 |
+
{
|
| 47 |
+
"type": "Replace",
|
| 48 |
+
"pattern": {
|
| 49 |
+
"String": " "
|
| 50 |
+
},
|
| 51 |
+
"content": "▁"
|
| 52 |
+
}
|
| 53 |
+
]
|
| 54 |
+
},
|
| 55 |
+
"pre_tokenizer": null,
|
| 56 |
+
"post_processor": {
|
| 57 |
+
"type": "TemplateProcessing",
|
| 58 |
+
"single": [
|
| 59 |
+
{
|
| 60 |
+
"SpecialToken": {
|
| 61 |
+
"id": "<s>",
|
| 62 |
+
"type_id": 0
|
| 63 |
+
}
|
| 64 |
+
},
|
| 65 |
+
{
|
| 66 |
+
"Sequence": {
|
| 67 |
+
"id": "A",
|
| 68 |
+
"type_id": 0
|
| 69 |
+
}
|
| 70 |
+
},
|
| 71 |
+
{
|
| 72 |
+
"SpecialToken": {
|
| 73 |
+
"id": "</s>",
|
| 74 |
+
"type_id": 0
|
| 75 |
+
}
|
| 76 |
+
}
|
| 77 |
+
],
|
| 78 |
+
"pair": [
|
| 79 |
+
{
|
| 80 |
+
"SpecialToken": {
|
| 81 |
+
"id": "<s>",
|
| 82 |
+
"type_id": 0
|
| 83 |
+
}
|
| 84 |
+
},
|
| 85 |
+
{
|
| 86 |
+
"Sequence": {
|
| 87 |
+
"id": "A",
|
| 88 |
+
"type_id": 0
|
| 89 |
+
}
|
| 90 |
+
},
|
| 91 |
+
{
|
| 92 |
+
"SpecialToken": {
|
| 93 |
+
"id": "</s>",
|
| 94 |
+
"type_id": 0
|
| 95 |
+
}
|
| 96 |
+
},
|
| 97 |
+
{
|
| 98 |
+
"SpecialToken": {
|
| 99 |
+
"id": "<s>",
|
| 100 |
+
"type_id": 1
|
| 101 |
+
}
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"Sequence": {
|
| 105 |
+
"id": "B",
|
| 106 |
+
"type_id": 1
|
| 107 |
+
}
|
| 108 |
+
},
|
| 109 |
+
{
|
| 110 |
+
"SpecialToken": {
|
| 111 |
+
"id": "</s>",
|
| 112 |
+
"type_id": 1
|
| 113 |
+
}
|
| 114 |
+
}
|
| 115 |
+
],
|
| 116 |
+
"special_tokens": {
|
| 117 |
+
"</s>": {
|
| 118 |
+
"id": "</s>",
|
| 119 |
+
"ids": [
|
| 120 |
+
2
|
| 121 |
+
],
|
| 122 |
+
"tokens": [
|
| 123 |
+
"</s>"
|
| 124 |
+
]
|
| 125 |
+
},
|
| 126 |
+
"<s>": {
|
| 127 |
+
"id": "<s>",
|
| 128 |
+
"ids": [
|
| 129 |
+
1
|
| 130 |
+
],
|
| 131 |
+
"tokens": [
|
| 132 |
+
"<s>"
|
| 133 |
+
]
|
| 134 |
+
}
|
| 135 |
+
}
|
| 136 |
+
},
|
| 137 |
+
"decoder": {
|
| 138 |
+
"type": "Sequence",
|
| 139 |
+
"decoders": [
|
| 140 |
+
{
|
| 141 |
+
"type": "Replace",
|
| 142 |
+
"pattern": {
|
| 143 |
+
"String": "▁"
|
| 144 |
+
},
|
| 145 |
+
"content": " "
|
| 146 |
+
},
|
| 147 |
+
{
|
| 148 |
+
"type": "ByteFallback"
|
| 149 |
+
},
|
| 150 |
+
{
|
| 151 |
+
"type": "Fuse"
|
| 152 |
+
}
|
| 153 |
+
]
|
| 154 |
+
},
|
| 155 |
+
"model": {
|
| 156 |
+
"type": "BPE",
|
| 157 |
+
"dropout": null,
|
| 158 |
+
"unk_token": "<unk>",
|
| 159 |
+
"continuing_subword_prefix": null,
|
| 160 |
+
"end_of_word_suffix": null,
|
| 161 |
+
"fuse_unk": true,
|
| 162 |
+
"byte_fallback": true,
|
| 163 |
+
"ignore_merges": false,
|
| 164 |
+
"vocab": {
|
| 165 |
+
"<unk>": 0,
|
| 166 |
+
"<s>": 1,
|
| 167 |
+
"</s>": 2,
|
| 168 |
+
"▁n": 3,
|
| 169 |
+
"▁a": 4,
|
| 170 |
+
"▁i": 5,
|
| 171 |
+
"▁ɛ": 6,
|
| 172 |
+
"▁u": 7,
|
| 173 |
+
"▁e": 8,
|
| 174 |
+
"▁l": 9,
|
| 175 |
+
"▁’": 10,
|
| 176 |
+
"▁k": 11,
|
| 177 |
+
"▁m": 12,
|
| 178 |
+
"▁s": 13,
|
| 179 |
+
"▁b": 14,
|
| 180 |
+
"▁ɔ": 15,
|
| 181 |
+
"▁,": 16,
|
| 182 |
+
"▁'": 17,
|
| 183 |
+
"▁o": 18,
|
| 184 |
+
"▁w": 19,
|
| 185 |
+
"▁f": 20,
|
| 186 |
+
"▁t": 21,
|
| 187 |
+
"▁g": 22,
|
| 188 |
+
"▁y": 23,
|
| 189 |
+
"▁.": 24,
|
| 190 |
+
"▁r": 25,
|
| 191 |
+
"▁d": 26,
|
| 192 |
+
"▁p": 27,
|
| 193 |
+
"▁z": 28,
|
| 194 |
+
"▁j": 29,
|
| 195 |
+
"▁:": 30,
|
| 196 |
+
"▁1": 31,
|
| 197 |
+
"▁Z": 32,
|
| 198 |
+
"▁c": 33,
|
| 199 |
+
"▁?": 34,
|
| 200 |
+
"▁S": 35,
|
| 201 |
+
"▁A": 36,
|
| 202 |
+
"▁N": 37,
|
| 203 |
+
"▁K": 38,
|
| 204 |
+
"▁v": 39,
|
| 205 |
+
"▁á": 40,
|
| 206 |
+
"▁2": 41,
|
| 207 |
+
"▁Ɲ": 42,
|
| 208 |
+
"▁M": 43,
|
| 209 |
+
"▁ɲ": 44,
|
| 210 |
+
"▁B": 45,
|
| 211 |
+
"▁é": 46,
|
| 212 |
+
"▁“": 47,
|
| 213 |
+
"▁”": 48,
|
| 214 |
+
"▁I": 49,
|
| 215 |
+
"▁́": 50,
|
| 216 |
+
"▁‘": 51,
|
| 217 |
+
"▁3": 52,
|
| 218 |
+
"▁Ɔ": 53,
|
| 219 |
+
"▁4": 54,
|
| 220 |
+
"▁0": 55,
|
| 221 |
+
"▁)": 56,
|
| 222 |
+
"▁E": 57,
|
| 223 |
+
"▁5": 58,
|
| 224 |
+
"▁-": 59,
|
| 225 |
+
"▁(": 60,
|
| 226 |
+
"▁L": 61,
|
| 227 |
+
"▁—": 62,
|
| 228 |
+
"▁Y": 63,
|
| 229 |
+
"▁F": 64,
|
| 230 |
+
"▁ó": 65,
|
| 231 |
+
"▁í": 66,
|
| 232 |
+
"▁ú": 67,
|
| 233 |
+
"▁6": 68,
|
| 234 |
+
"▁W": 69,
|
| 235 |
+
"▁7": 70,
|
| 236 |
+
"▁9": 71,
|
| 237 |
+
"▁D": 72,
|
| 238 |
+
"▁T": 73,
|
| 239 |
+
"▁8": 74,
|
| 240 |
+
"▁P": 75,
|
| 241 |
+
"▁;": 76,
|
| 242 |
+
"▁Ɛ": 77,
|
| 243 |
+
"▁!": 78,
|
| 244 |
+
"▁J": 79,
|
| 245 |
+
"▁ń": 80,
|
| 246 |
+
"▁G": 81,
|
| 247 |
+
"▁R": 82,
|
| 248 |
+
"▁U": 83,
|
| 249 |
+
"▁[": 84,
|
| 250 |
+
"▁]": 85,
|
| 251 |
+
"▁C": 86,
|
| 252 |
+
"▁O": 87,
|
| 253 |
+
"▁h": 88,
|
| 254 |
+
"▁•": 89,
|
| 255 |
+
"▁É": 90,
|
| 256 |
+
"▁▪": 91,
|
| 257 |
+
"▁*": 92,
|
| 258 |
+
"▁/": 93,
|
| 259 |
+
"▁Ń": 94,
|
| 260 |
+
"▁q": 95,
|
| 261 |
+
"▁|": 96,
|
| 262 |
+
"▁V": 97,
|
| 263 |
+
"▁ḿ": 98,
|
| 264 |
+
"▁–": 99,
|
| 265 |
+
"▁è": 100,
|
| 266 |
+
"▁Ḿ": 101,
|
| 267 |
+
"▁H": 102,
|
| 268 |
+
"▁Á": 103,
|
| 269 |
+
"▁": 104,
|
| 270 |
+
"n": 105,
|
| 271 |
+
"a": 106,
|
| 272 |
+
"i": 107,
|
| 273 |
+
"ɛ": 108,
|
| 274 |
+
"u": 109,
|
| 275 |
+
"e": 110,
|
| 276 |
+
"l": 111,
|
| 277 |
+
"’": 112,
|
| 278 |
+
"k": 113,
|
| 279 |
+
"m": 114,
|
| 280 |
+
"s": 115,
|
| 281 |
+
"b": 116,
|
| 282 |
+
"ɔ": 117,
|
| 283 |
+
",": 118,
|
| 284 |
+
"'": 119,
|
| 285 |
+
"o": 120,
|
| 286 |
+
"w": 121,
|
| 287 |
+
"f": 122,
|
| 288 |
+
"t": 123,
|
| 289 |
+
"g": 124,
|
| 290 |
+
"y": 125,
|
| 291 |
+
".": 126,
|
| 292 |
+
"r": 127,
|
| 293 |
+
"d": 128,
|
| 294 |
+
"p": 129,
|
| 295 |
+
"z": 130,
|
| 296 |
+
"j": 131,
|
| 297 |
+
":": 132,
|
| 298 |
+
"1": 133,
|
| 299 |
+
"Z": 134,
|
| 300 |
+
"c": 135,
|
| 301 |
+
"?": 136,
|
| 302 |
+
"S": 137,
|
| 303 |
+
"A": 138,
|
| 304 |
+
"N": 139,
|
| 305 |
+
"K": 140,
|
| 306 |
+
"v": 141,
|
| 307 |
+
"á": 142,
|
| 308 |
+
"2": 143,
|
| 309 |
+
"Ɲ": 144,
|
| 310 |
+
"M": 145,
|
| 311 |
+
"ɲ": 146,
|
| 312 |
+
"B": 147,
|
| 313 |
+
"é": 148,
|
| 314 |
+
"“": 149,
|
| 315 |
+
"”": 150,
|
| 316 |
+
"I": 151,
|
| 317 |
+
"́": 152,
|
| 318 |
+
"‘": 153,
|
| 319 |
+
"3": 154,
|
| 320 |
+
"Ɔ": 155,
|
| 321 |
+
"4": 156,
|
| 322 |
+
"0": 157,
|
| 323 |
+
")": 158,
|
| 324 |
+
"E": 159,
|
| 325 |
+
"5": 160,
|
| 326 |
+
"-": 161,
|
| 327 |
+
"(": 162,
|
| 328 |
+
"L": 163,
|
| 329 |
+
"—": 164,
|
| 330 |
+
"Y": 165,
|
| 331 |
+
"F": 166,
|
| 332 |
+
"ó": 167,
|
| 333 |
+
"í": 168,
|
| 334 |
+
"ú": 169,
|
| 335 |
+
"6": 170,
|
| 336 |
+
"W": 171,
|
| 337 |
+
"7": 172,
|
| 338 |
+
"9": 173,
|
| 339 |
+
"D": 174,
|
| 340 |
+
"T": 175,
|
| 341 |
+
"8": 176,
|
| 342 |
+
"P": 177,
|
| 343 |
+
";": 178,
|
| 344 |
+
"Ɛ": 179,
|
| 345 |
+
"!": 180,
|
| 346 |
+
"J": 181,
|
| 347 |
+
"ń": 182,
|
| 348 |
+
"G": 183,
|
| 349 |
+
"R": 184,
|
| 350 |
+
"U": 185,
|
| 351 |
+
"[": 186,
|
| 352 |
+
"]": 187,
|
| 353 |
+
"C": 188,
|
| 354 |
+
"O": 189,
|
| 355 |
+
"h": 190,
|
| 356 |
+
"•": 191,
|
| 357 |
+
"É": 192,
|
| 358 |
+
"▪": 193,
|
| 359 |
+
"*": 194,
|
| 360 |
+
"/": 195,
|
| 361 |
+
"Ń": 196,
|
| 362 |
+
"q": 197,
|
| 363 |
+
"|": 198,
|
| 364 |
+
"V": 199,
|
| 365 |
+
"ḿ": 200,
|
| 366 |
+
"–": 201,
|
| 367 |
+
"è": 202,
|
| 368 |
+
"Ḿ": 203,
|
| 369 |
+
"H": 204,
|
| 370 |
+
"Á": 205
|
| 371 |
+
},
|
| 372 |
+
"merges": [
|
| 373 |
+
[
|
| 374 |
+
"▁",
|
| 375 |
+
"n"
|
| 376 |
+
],
|
| 377 |
+
[
|
| 378 |
+
"▁",
|
| 379 |
+
"a"
|
| 380 |
+
],
|
| 381 |
+
[
|
| 382 |
+
"▁",
|
| 383 |
+
"i"
|
| 384 |
+
],
|
| 385 |
+
[
|
| 386 |
+
"▁",
|
| 387 |
+
"ɛ"
|
| 388 |
+
],
|
| 389 |
+
[
|
| 390 |
+
"▁",
|
| 391 |
+
"u"
|
| 392 |
+
],
|
| 393 |
+
[
|
| 394 |
+
"▁",
|
| 395 |
+
"e"
|
| 396 |
+
],
|
| 397 |
+
[
|
| 398 |
+
"▁",
|
| 399 |
+
"l"
|
| 400 |
+
],
|
| 401 |
+
[
|
| 402 |
+
"▁",
|
| 403 |
+
"’"
|
| 404 |
+
],
|
| 405 |
+
[
|
| 406 |
+
"▁",
|
| 407 |
+
"k"
|
| 408 |
+
],
|
| 409 |
+
[
|
| 410 |
+
"▁",
|
| 411 |
+
"m"
|
| 412 |
+
],
|
| 413 |
+
[
|
| 414 |
+
"▁",
|
| 415 |
+
"s"
|
| 416 |
+
],
|
| 417 |
+
[
|
| 418 |
+
"▁",
|
| 419 |
+
"b"
|
| 420 |
+
],
|
| 421 |
+
[
|
| 422 |
+
"▁",
|
| 423 |
+
"ɔ"
|
| 424 |
+
],
|
| 425 |
+
[
|
| 426 |
+
"▁",
|
| 427 |
+
","
|
| 428 |
+
],
|
| 429 |
+
[
|
| 430 |
+
"▁",
|
| 431 |
+
"'"
|
| 432 |
+
],
|
| 433 |
+
[
|
| 434 |
+
"▁",
|
| 435 |
+
"o"
|
| 436 |
+
],
|
| 437 |
+
[
|
| 438 |
+
"▁",
|
| 439 |
+
"w"
|
| 440 |
+
],
|
| 441 |
+
[
|
| 442 |
+
"▁",
|
| 443 |
+
"f"
|
| 444 |
+
],
|
| 445 |
+
[
|
| 446 |
+
"▁",
|
| 447 |
+
"t"
|
| 448 |
+
],
|
| 449 |
+
[
|
| 450 |
+
"▁",
|
| 451 |
+
"g"
|
| 452 |
+
],
|
| 453 |
+
[
|
| 454 |
+
"▁",
|
| 455 |
+
"y"
|
| 456 |
+
],
|
| 457 |
+
[
|
| 458 |
+
"▁",
|
| 459 |
+
"."
|
| 460 |
+
],
|
| 461 |
+
[
|
| 462 |
+
"▁",
|
| 463 |
+
"r"
|
| 464 |
+
],
|
| 465 |
+
[
|
| 466 |
+
"▁",
|
| 467 |
+
"d"
|
| 468 |
+
],
|
| 469 |
+
[
|
| 470 |
+
"▁",
|
| 471 |
+
"p"
|
| 472 |
+
],
|
| 473 |
+
[
|
| 474 |
+
"▁",
|
| 475 |
+
"z"
|
| 476 |
+
],
|
| 477 |
+
[
|
| 478 |
+
"▁",
|
| 479 |
+
"j"
|
| 480 |
+
],
|
| 481 |
+
[
|
| 482 |
+
"▁",
|
| 483 |
+
":"
|
| 484 |
+
],
|
| 485 |
+
[
|
| 486 |
+
"▁",
|
| 487 |
+
"1"
|
| 488 |
+
],
|
| 489 |
+
[
|
| 490 |
+
"▁",
|
| 491 |
+
"Z"
|
| 492 |
+
],
|
| 493 |
+
[
|
| 494 |
+
"▁",
|
| 495 |
+
"c"
|
| 496 |
+
],
|
| 497 |
+
[
|
| 498 |
+
"▁",
|
| 499 |
+
"?"
|
| 500 |
+
],
|
| 501 |
+
[
|
| 502 |
+
"▁",
|
| 503 |
+
"S"
|
| 504 |
+
],
|
| 505 |
+
[
|
| 506 |
+
"▁",
|
| 507 |
+
"A"
|
| 508 |
+
],
|
| 509 |
+
[
|
| 510 |
+
"▁",
|
| 511 |
+
"N"
|
| 512 |
+
],
|
| 513 |
+
[
|
| 514 |
+
"▁",
|
| 515 |
+
"K"
|
| 516 |
+
],
|
| 517 |
+
[
|
| 518 |
+
"▁",
|
| 519 |
+
"v"
|
| 520 |
+
],
|
| 521 |
+
[
|
| 522 |
+
"▁",
|
| 523 |
+
"á"
|
| 524 |
+
],
|
| 525 |
+
[
|
| 526 |
+
"▁",
|
| 527 |
+
"2"
|
| 528 |
+
],
|
| 529 |
+
[
|
| 530 |
+
"▁",
|
| 531 |
+
"Ɲ"
|
| 532 |
+
],
|
| 533 |
+
[
|
| 534 |
+
"▁",
|
| 535 |
+
"M"
|
| 536 |
+
],
|
| 537 |
+
[
|
| 538 |
+
"▁",
|
| 539 |
+
"ɲ"
|
| 540 |
+
],
|
| 541 |
+
[
|
| 542 |
+
"▁",
|
| 543 |
+
"B"
|
| 544 |
+
],
|
| 545 |
+
[
|
| 546 |
+
"▁",
|
| 547 |
+
"é"
|
| 548 |
+
],
|
| 549 |
+
[
|
| 550 |
+
"▁",
|
| 551 |
+
"“"
|
| 552 |
+
],
|
| 553 |
+
[
|
| 554 |
+
"▁",
|
| 555 |
+
"”"
|
| 556 |
+
],
|
| 557 |
+
[
|
| 558 |
+
"▁",
|
| 559 |
+
"I"
|
| 560 |
+
],
|
| 561 |
+
[
|
| 562 |
+
"▁",
|
| 563 |
+
"́"
|
| 564 |
+
],
|
| 565 |
+
[
|
| 566 |
+
"▁",
|
| 567 |
+
"‘"
|
| 568 |
+
],
|
| 569 |
+
[
|
| 570 |
+
"▁",
|
| 571 |
+
"3"
|
| 572 |
+
],
|
| 573 |
+
[
|
| 574 |
+
"▁",
|
| 575 |
+
"Ɔ"
|
| 576 |
+
],
|
| 577 |
+
[
|
| 578 |
+
"▁",
|
| 579 |
+
"4"
|
| 580 |
+
],
|
| 581 |
+
[
|
| 582 |
+
"▁",
|
| 583 |
+
"0"
|
| 584 |
+
],
|
| 585 |
+
[
|
| 586 |
+
"▁",
|
| 587 |
+
")"
|
| 588 |
+
],
|
| 589 |
+
[
|
| 590 |
+
"▁",
|
| 591 |
+
"E"
|
| 592 |
+
],
|
| 593 |
+
[
|
| 594 |
+
"▁",
|
| 595 |
+
"5"
|
| 596 |
+
],
|
| 597 |
+
[
|
| 598 |
+
"▁",
|
| 599 |
+
"-"
|
| 600 |
+
],
|
| 601 |
+
[
|
| 602 |
+
"▁",
|
| 603 |
+
"("
|
| 604 |
+
],
|
| 605 |
+
[
|
| 606 |
+
"▁",
|
| 607 |
+
"L"
|
| 608 |
+
],
|
| 609 |
+
[
|
| 610 |
+
"▁",
|
| 611 |
+
"—"
|
| 612 |
+
],
|
| 613 |
+
[
|
| 614 |
+
"▁",
|
| 615 |
+
"Y"
|
| 616 |
+
],
|
| 617 |
+
[
|
| 618 |
+
"▁",
|
| 619 |
+
"F"
|
| 620 |
+
],
|
| 621 |
+
[
|
| 622 |
+
"▁",
|
| 623 |
+
"ó"
|
| 624 |
+
],
|
| 625 |
+
[
|
| 626 |
+
"▁",
|
| 627 |
+
"í"
|
| 628 |
+
],
|
| 629 |
+
[
|
| 630 |
+
"▁",
|
| 631 |
+
"ú"
|
| 632 |
+
],
|
| 633 |
+
[
|
| 634 |
+
"▁",
|
| 635 |
+
"6"
|
| 636 |
+
],
|
| 637 |
+
[
|
| 638 |
+
"▁",
|
| 639 |
+
"W"
|
| 640 |
+
],
|
| 641 |
+
[
|
| 642 |
+
"▁",
|
| 643 |
+
"7"
|
| 644 |
+
],
|
| 645 |
+
[
|
| 646 |
+
"▁",
|
| 647 |
+
"9"
|
| 648 |
+
],
|
| 649 |
+
[
|
| 650 |
+
"▁",
|
| 651 |
+
"D"
|
| 652 |
+
],
|
| 653 |
+
[
|
| 654 |
+
"▁",
|
| 655 |
+
"T"
|
| 656 |
+
],
|
| 657 |
+
[
|
| 658 |
+
"▁",
|
| 659 |
+
"8"
|
| 660 |
+
],
|
| 661 |
+
[
|
| 662 |
+
"▁",
|
| 663 |
+
"P"
|
| 664 |
+
],
|
| 665 |
+
[
|
| 666 |
+
"▁",
|
| 667 |
+
";"
|
| 668 |
+
],
|
| 669 |
+
[
|
| 670 |
+
"▁",
|
| 671 |
+
"Ɛ"
|
| 672 |
+
],
|
| 673 |
+
[
|
| 674 |
+
"▁",
|
| 675 |
+
"!"
|
| 676 |
+
],
|
| 677 |
+
[
|
| 678 |
+
"▁",
|
| 679 |
+
"J"
|
| 680 |
+
],
|
| 681 |
+
[
|
| 682 |
+
"▁",
|
| 683 |
+
"ń"
|
| 684 |
+
],
|
| 685 |
+
[
|
| 686 |
+
"▁",
|
| 687 |
+
"G"
|
| 688 |
+
],
|
| 689 |
+
[
|
| 690 |
+
"▁",
|
| 691 |
+
"R"
|
| 692 |
+
],
|
| 693 |
+
[
|
| 694 |
+
"▁",
|
| 695 |
+
"U"
|
| 696 |
+
],
|
| 697 |
+
[
|
| 698 |
+
"▁",
|
| 699 |
+
"["
|
| 700 |
+
],
|
| 701 |
+
[
|
| 702 |
+
"▁",
|
| 703 |
+
"]"
|
| 704 |
+
],
|
| 705 |
+
[
|
| 706 |
+
"▁",
|
| 707 |
+
"C"
|
| 708 |
+
],
|
| 709 |
+
[
|
| 710 |
+
"▁",
|
| 711 |
+
"O"
|
| 712 |
+
],
|
| 713 |
+
[
|
| 714 |
+
"▁",
|
| 715 |
+
"h"
|
| 716 |
+
],
|
| 717 |
+
[
|
| 718 |
+
"▁",
|
| 719 |
+
"•"
|
| 720 |
+
],
|
| 721 |
+
[
|
| 722 |
+
"▁",
|
| 723 |
+
"É"
|
| 724 |
+
],
|
| 725 |
+
[
|
| 726 |
+
"▁",
|
| 727 |
+
"▪"
|
| 728 |
+
],
|
| 729 |
+
[
|
| 730 |
+
"▁",
|
| 731 |
+
"*"
|
| 732 |
+
],
|
| 733 |
+
[
|
| 734 |
+
"▁",
|
| 735 |
+
"/"
|
| 736 |
+
],
|
| 737 |
+
[
|
| 738 |
+
"▁",
|
| 739 |
+
"Ń"
|
| 740 |
+
],
|
| 741 |
+
[
|
| 742 |
+
"▁",
|
| 743 |
+
"q"
|
| 744 |
+
],
|
| 745 |
+
[
|
| 746 |
+
"▁",
|
| 747 |
+
"|"
|
| 748 |
+
],
|
| 749 |
+
[
|
| 750 |
+
"▁",
|
| 751 |
+
"V"
|
| 752 |
+
],
|
| 753 |
+
[
|
| 754 |
+
"▁",
|
| 755 |
+
"ḿ"
|
| 756 |
+
],
|
| 757 |
+
[
|
| 758 |
+
"▁",
|
| 759 |
+
"–"
|
| 760 |
+
],
|
| 761 |
+
[
|
| 762 |
+
"▁",
|
| 763 |
+
"è"
|
| 764 |
+
],
|
| 765 |
+
[
|
| 766 |
+
"▁",
|
| 767 |
+
"Ḿ"
|
| 768 |
+
],
|
| 769 |
+
[
|
| 770 |
+
"▁",
|
| 771 |
+
"H"
|
| 772 |
+
],
|
| 773 |
+
[
|
| 774 |
+
"▁",
|
| 775 |
+
"Á"
|
| 776 |
+
]
|
| 777 |
+
]
|
| 778 |
+
}
|
| 779 |
+
}
|
tokenizer.model
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:9d8c538d19bc460d3b0730c26645f6b0ede1f462c5cbf9bc6cf5dc578f0049f1
|
| 3 |
+
size 240063
|
tokenizer_config.json
ADDED
|
@@ -0,0 +1,59 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"add_bos_token": true,
|
| 3 |
+
"add_eos_token": true,
|
| 4 |
+
"add_prefix_space": null,
|
| 5 |
+
"added_tokens_decoder": {
|
| 6 |
+
"0": {
|
| 7 |
+
"content": "<unk>",
|
| 8 |
+
"lstrip": false,
|
| 9 |
+
"normalized": false,
|
| 10 |
+
"rstrip": false,
|
| 11 |
+
"single_word": false,
|
| 12 |
+
"special": true
|
| 13 |
+
},
|
| 14 |
+
"1": {
|
| 15 |
+
"content": "<s>",
|
| 16 |
+
"lstrip": false,
|
| 17 |
+
"normalized": false,
|
| 18 |
+
"rstrip": false,
|
| 19 |
+
"single_word": false,
|
| 20 |
+
"special": true
|
| 21 |
+
},
|
| 22 |
+
"2": {
|
| 23 |
+
"content": "</s>",
|
| 24 |
+
"lstrip": false,
|
| 25 |
+
"normalized": false,
|
| 26 |
+
"rstrip": false,
|
| 27 |
+
"single_word": false,
|
| 28 |
+
"special": true
|
| 29 |
+
},
|
| 30 |
+
"206": {
|
| 31 |
+
"content": "<pad>",
|
| 32 |
+
"lstrip": false,
|
| 33 |
+
"normalized": false,
|
| 34 |
+
"rstrip": false,
|
| 35 |
+
"single_word": false,
|
| 36 |
+
"special": true
|
| 37 |
+
}
|
| 38 |
+
},
|
| 39 |
+
"bos_token": "<s>",
|
| 40 |
+
"clean_up_tokenization_spaces": false,
|
| 41 |
+
"eos_token": "</s>",
|
| 42 |
+
"extra_special_tokens": {},
|
| 43 |
+
"legacy": true,
|
| 44 |
+
"model_max_length": 1000000000000000019884624838656,
|
| 45 |
+
"pad_token": "<pad>",
|
| 46 |
+
"sp_model_kwargs": {},
|
| 47 |
+
"spaces_between_special_tokens": false,
|
| 48 |
+
"tokenizer_class": "LlamaTokenizer",
|
| 49 |
+
"unk_token": "<unk>",
|
| 50 |
+
"use_default_system_prompt": false,
|
| 51 |
+
"special_tokens_map_file": "special_tokens_map.json",
|
| 52 |
+
"description": "Tokenizer Baoulé pour traduction Français-Baoulé",
|
| 53 |
+
"language": [
|
| 54 |
+
"baq",
|
| 55 |
+
"Baoule"
|
| 56 |
+
],
|
| 57 |
+
"license": "Apache-2.0",
|
| 58 |
+
"do_lower_case": false
|
| 59 |
+
}
|