Добавлен марийский язык

added_tokens.json

@@ -118,6 +118,7 @@
   "mai_Deva": 8307,
   "mal_Mlym": 8308,
   "mar_Deva": 8309,
+  "mhr_Cyrl": 8396,
   "min_Latn": 8310,
   "mkd_Cyrl": 8311,
   "mlt_Latn": 8313,

special_tokens_map.json

@@ -1,207 +1,12 @@
 {
   "additional_special_tokens": [
-    "ace_Arab",
-    "ace_Latn",
-    "acm_Arab",
-    "acq_Arab",
-    "aeb_Arab",
-    "afr_Latn",
-    "ajp_Arab",
-    "aka_Latn",
-    "amh_Ethi",
-    "apc_Arab",
-    "arb_Arab",
-    "ars_Arab",
-    "ary_Arab",
-    "arz_Arab",
-    "asm_Beng",
-    "ast_Latn",
-    "awa_Deva",
-    "ayr_Latn",
-    "azb_Arab",
-    "azj_Latn",
-    "bak_Cyrl",
-    "bam_Latn",
-    "ban_Latn",
-    "bel_Cyrl",
-    "bem_Latn",
-    "ben_Beng",
-    "bho_Deva",
-    "bjn_Arab",
-    "bjn_Latn",
-    "bod_Tibt",
-    "bos_Latn",
-    "bug_Latn",
-    "bul_Cyrl",
-    "cat_Latn",
-    "ceb_Latn",
-    "ces_Latn",
-    "cjk_Latn",
-    "ckb_Arab",
-    "crh_Latn",
-    "cym_Latn",
-    "dan_Latn",
-    "deu_Latn",
-    "dik_Latn",
-    "dyu_Latn",
-    "dzo_Tibt",
-    "ell_Grek",
-    "eng_Latn",
-    "epo_Latn",
-    "est_Latn",
-    "eus_Latn",
-    "ewe_Latn",
-    "fao_Latn",
-    "pes_Arab",
-    "fij_Latn",
-    "fin_Latn",
-    "fon_Latn",
-    "fra_Latn",
-    "fur_Latn",
-    "fuv_Latn",
-    "gla_Latn",
-    "gle_Latn",
-    "glg_Latn",
-    "grn_Latn",
-    "guj_Gujr",
-    "hat_Latn",
-    "hau_Latn",
-    "heb_Hebr",
-    "hin_Deva",
-    "hne_Deva",
-    "hrv_Latn",
-    "hun_Latn",
-    "hye_Armn",
-    "ibo_Latn",
-    "ilo_Latn",
-    "ind_Latn",
-    "isl_Latn",
-    "ita_Latn",
-    "jav_Latn",
-    "jpn_Jpan",
-    "kab_Latn",
-    "kac_Latn",
-    "kam_Latn",
-    "kan_Knda",
-    "kas_Arab",
-    "kas_Deva",
-    "kat_Geor",
-    "knc_Arab",
-    "knc_Latn",
-    "kaz_Cyrl",
-    "kbp_Latn",
-    "kea_Latn",
-    "khm_Khmr",
-    "kik_Latn",
-    "kin_Latn",
-    "kir_Cyrl",
-    "kmb_Latn",
-    "kon_Latn",
-    "kor_Hang",
-    "kmr_Latn",
-    "lao_Laoo",
-    "lvs_Latn",
-    "lij_Latn",
-    "lim_Latn",
-    "lin_Latn",
-    "lit_Latn",
-    "lmo_Latn",
-    "ltg_Latn",
-    "ltz_Latn",
-    "lua_Latn",
-    "lug_Latn",
-    "luo_Latn",
-    "lus_Latn",
-    "mag_Deva",
-    "mai_Deva",
-    "mal_Mlym",
-    "mar_Deva",
-    "min_Latn",
-    "mkd_Cyrl",
-    "plt_Latn",
-    "mlt_Latn",
-    "mni_Beng",
-    "khk_Cyrl",
-    "mos_Latn",
-    "mri_Latn",
-    "zsm_Latn",
-    "mya_Mymr",
-    "nld_Latn",
-    "nno_Latn",
-    "nob_Latn",
-    "npi_Deva",
-    "nso_Latn",
-    "nus_Latn",
-    "nya_Latn",
-    "oci_Latn",
-    "gaz_Latn",
-    "ory_Orya",
-    "pag_Latn",
-    "pan_Guru",
-    "pap_Latn",
-    "pol_Latn",
-    "por_Latn",
-    "prs_Arab",
-    "pbt_Arab",
-    "quy_Latn",
-    "ron_Latn",
-    "run_Latn",
-    "rus_Cyrl",
-    "sag_Latn",
-    "san_Deva",
-    "sat_Beng",
-    "scn_Latn",
-    "shn_Mymr",
-    "sin_Sinh",
-    "slk_Latn",
-    "slv_Latn",
-    "smo_Latn",
-    "sna_Latn",
-    "snd_Arab",
-    "som_Latn",
-    "sot_Latn",
-    "spa_Latn",
-    "als_Latn",
-    "srd_Latn",
-    "srp_Cyrl",
-    "ssw_Latn",
-    "sun_Latn",
-    "swe_Latn",
-    "swh_Latn",
-    "szl_Latn",
-    "tam_Taml",
-    "tat_Cyrl",
-    "tel_Telu",
-    "tgk_Cyrl",
-    "tgl_Latn",
-    "tha_Thai",
-    "tir_Ethi",
-    "taq_Latn",
-    "taq_Tfng",
-    "tpi_Latn",
-    "tsn_Latn",
-    "tso_Latn",
-    "tuk_Latn",
-    "tum_Latn",
-    "tur_Latn",
-    "twi_Latn",
-    "tzm_Tfng",
-    "uig_Arab",
-    "ukr_Cyrl",
-    "umb_Latn",
-    "urd_Arab",
-    "uzn_Latn",
-    "vec_Latn",
-    "vie_Latn",
-    "war_Latn",
-    "wol_Latn",
-    "xho_Latn",
-    "ydd_Hebr",
-    "yor_Latn",
-    "yue_Hant",
-    "zho_Hans",
-    "zho_Hant",
-    "zul_Latn"
+    {
+      "content": "mhr_Cyrl",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false
+    }
   ],
   "bos_token": {
     "content": "<s>",
@@ -210,7 +15,13 @@
     "rstrip": false,
     "single_word": false
   },
-  "cls_token": "<s>",
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
   "eos_token": {
     "content": "</s>",
     "lstrip": false,
@@ -232,7 +43,13 @@
     "rstrip": false,
     "single_word": false
   },
-  "sep_token": "</s>",
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
   "unk_token": {
     "content": "<unk>",
     "lstrip": false,

tokenizer_config.json

@@ -1655,211 +1655,18 @@
       "rstrip": false,
       "single_word": false,
       "special": true
+    },
+    "8396": {
+      "content": "mhr_Cyrl",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
     }
   },
   "additional_special_tokens": [
-    "ace_Arab",
-    "ace_Latn",
-    "acm_Arab",
-    "acq_Arab",
-    "aeb_Arab",
-    "afr_Latn",
-    "ajp_Arab",
-    "aka_Latn",
-    "amh_Ethi",
-    "apc_Arab",
-    "arb_Arab",
-    "ars_Arab",
-    "ary_Arab",
-    "arz_Arab",
-    "asm_Beng",
-    "ast_Latn",
-    "awa_Deva",
-    "ayr_Latn",
-    "azb_Arab",
-    "azj_Latn",
-    "bak_Cyrl",
-    "bam_Latn",
-    "ban_Latn",
-    "bel_Cyrl",
-    "bem_Latn",
-    "ben_Beng",
-    "bho_Deva",
-    "bjn_Arab",
-    "bjn_Latn",
-    "bod_Tibt",
-    "bos_Latn",
-    "bug_Latn",
-    "bul_Cyrl",
-    "cat_Latn",
-    "ceb_Latn",
-    "ces_Latn",
-    "cjk_Latn",
-    "ckb_Arab",
-    "crh_Latn",
-    "cym_Latn",
-    "dan_Latn",
-    "deu_Latn",
-    "dik_Latn",
-    "dyu_Latn",
-    "dzo_Tibt",
-    "ell_Grek",
-    "eng_Latn",
-    "epo_Latn",
-    "est_Latn",
-    "eus_Latn",
-    "ewe_Latn",
-    "fao_Latn",
-    "pes_Arab",
-    "fij_Latn",
-    "fin_Latn",
-    "fon_Latn",
-    "fra_Latn",
-    "fur_Latn",
-    "fuv_Latn",
-    "gla_Latn",
-    "gle_Latn",
-    "glg_Latn",
-    "grn_Latn",
-    "guj_Gujr",
-    "hat_Latn",
-    "hau_Latn",
-    "heb_Hebr",
-    "hin_Deva",
-    "hne_Deva",
-    "hrv_Latn",
-    "hun_Latn",
-    "hye_Armn",
-    "ibo_Latn",
-    "ilo_Latn",
-    "ind_Latn",
-    "isl_Latn",
-    "ita_Latn",
-    "jav_Latn",
-    "jpn_Jpan",
-    "kab_Latn",
-    "kac_Latn",
-    "kam_Latn",
-    "kan_Knda",
-    "kas_Arab",
-    "kas_Deva",
-    "kat_Geor",
-    "knc_Arab",
-    "knc_Latn",
-    "kaz_Cyrl",
-    "kbp_Latn",
-    "kea_Latn",
-    "khm_Khmr",
-    "kik_Latn",
-    "kin_Latn",
-    "kir_Cyrl",
-    "kmb_Latn",
-    "kon_Latn",
-    "kor_Hang",
-    "kmr_Latn",
-    "lao_Laoo",
-    "lvs_Latn",
-    "lij_Latn",
-    "lim_Latn",
-    "lin_Latn",
-    "lit_Latn",
-    "lmo_Latn",
-    "ltg_Latn",
-    "ltz_Latn",
-    "lua_Latn",
-    "lug_Latn",
-    "luo_Latn",
-    "lus_Latn",
-    "mag_Deva",
-    "mai_Deva",
-    "mal_Mlym",
-    "mar_Deva",
-    "min_Latn",
-    "mkd_Cyrl",
-    "plt_Latn",
-    "mlt_Latn",
-    "mni_Beng",
-    "khk_Cyrl",
-    "mos_Latn",
-    "mri_Latn",
-    "zsm_Latn",
-    "mya_Mymr",
-    "nld_Latn",
-    "nno_Latn",
-    "nob_Latn",
-    "npi_Deva",
-    "nso_Latn",
-    "nus_Latn",
-    "nya_Latn",
-    "oci_Latn",
-    "gaz_Latn",
-    "ory_Orya",
-    "pag_Latn",
-    "pan_Guru",
-    "pap_Latn",
-    "pol_Latn",
-    "por_Latn",
-    "prs_Arab",
-    "pbt_Arab",
-    "quy_Latn",
-    "ron_Latn",
-    "run_Latn",
-    "rus_Cyrl",
-    "sag_Latn",
-    "san_Deva",
-    "sat_Beng",
-    "scn_Latn",
-    "shn_Mymr",
-    "sin_Sinh",
-    "slk_Latn",
-    "slv_Latn",
-    "smo_Latn",
-    "sna_Latn",
-    "snd_Arab",
-    "som_Latn",
-    "sot_Latn",
-    "spa_Latn",
-    "als_Latn",
-    "srd_Latn",
-    "srp_Cyrl",
-    "ssw_Latn",
-    "sun_Latn",
-    "swe_Latn",
-    "swh_Latn",
-    "szl_Latn",
-    "tam_Taml",
-    "tat_Cyrl",
-    "tel_Telu",
-    "tgk_Cyrl",
-    "tgl_Latn",
-    "tha_Thai",
-    "tir_Ethi",
-    "taq_Latn",
-    "taq_Tfng",
-    "tpi_Latn",
-    "tsn_Latn",
-    "tso_Latn",
-    "tuk_Latn",
-    "tum_Latn",
-    "tur_Latn",
-    "twi_Latn",
-    "tzm_Tfng",
-    "uig_Arab",
-    "ukr_Cyrl",
-    "umb_Latn",
-    "urd_Arab",
-    "uzn_Latn",
-    "vec_Latn",
-    "vie_Latn",
-    "war_Latn",
-    "wol_Latn",
-    "xho_Latn",
-    "ydd_Hebr",
-    "yor_Latn",
-    "yue_Hant",
-    "zho_Hans",
-    "zho_Hant",
-    "zul_Latn"
+    "mhr_Cyrl"
   ],
   "bos_token": "<s>",
   "clean_up_tokenization_spaces": true,
@@ -1875,6 +1682,5 @@
   "src_lang": "eng_Latn",
   "tgt_lang": null,
   "tokenizer_class": "NllbTokenizer",
-  "tokenizer_file": null,
   "unk_token": "<unk>"
 }