# 中国語

Data-Juicerは、大規模言語モデル（LLM）に高品質で豊富、かつ扱いやすいデータを提供することを目的とした、ワンストップのマルチモーダルデータ処理システムです。システム化され、再利用可能なデータ処理ライブラリを提供し、データとモデルの協調開発をサポートします。サンドボックスラボを通して迅速な反復処理を実現し、データとモデルに基づいたフィードバックループ、可視化、多角的な自動評価などの機能を提供することで、ユーザーがデータとモデルをより深く理解し、改善する支援をします。Data-Juicerは積極的に更新とメンテナンスが行われており、機能、データレシピ、データセットが定期的に強化?追加されています。

Chinese Tiny LLM（CT-LLM）は、中国語向けに設計された最初の大規模言語モデルです。20億パラメータを持ち、1兆2,000億単語の中国語コーパスで事前学習されています。CT-LLMは、中国語の理解と生成能力の向上に重点を置いており、大規模な中国語データによる事前学習を通じて、中国語テキストの高効率処理を実現しています。中国語処理の最適化に重点を置いていますが、CT-LLMは英語やプログラミングコードに対しても良好な処理能力を示し、多言語への適応性を備えています。中国語言語タスクのベンチマークであるCHC-Benchにおいて、CT-LLMは優れた性能を示し、中国語の理解と応用における高い効率性を証明しています。CT-LLMはゼロから学習されており、主に中国語データを使用して事前学習が行われています。データフィルタリングプロセス、学習ダイナミクス、学習と評価データ、モデルの中間チェックポイントなど、関連するすべての情報が公開されています。このオープンソース化により、他の研究者や開発者はこれらのリソースにアクセスし、それらの情報を自身の研究やモデルの更なる改良に利用できます。

MediaTek Researchは、70億パラメーターを持つ新しいオープンソースの大規模言語モデルであるMR Breeze-7Bを発表しました。日本語と中国語の処理に優れており、先行モデルのBLOOM-3Bと比較して20倍の知識を吸収することで、中国語特有の文化や微妙なニュアンスを正確に処理できます。処理速度も最適化されており、他のモデルよりも高速で、よりスムーズなユーザーエクスペリエンスを提供します。価格は無料です。

EmotiVoiceは、強力で現代的なオープンソースのテキスト音声変換エンジンです。英語と中国語に対応しており、2000種類以上の異なる音声を提供します。最も顕著な特徴は感情合成機能で、喜び、興奮、悲しみ、怒りなど、様々な感情を持つ音声を作成できます。 EmotiVoiceは使いやすいWebインターフェースを提供するだけでなく、大量生成のためのスクリプトインターフェースも提供しています。 主な機能は以下の通りです。 1. 英語と中国語に対応 2. 2000種類以上の異なる音声を提供 3. 感情合成機能を提供 価格：無料 対象：開発者と研究者