Todas las etiquetas
Etiqueta del catálogo

#tokenization

Todos los repositorios del registro público que llevan esta etiqueta, procedente de sus topics de GitHub o de las palabras clave que publican sus registros de paquetes. La salud se mide con la misma metodología versionada que el resto del registro.

19 registros
Con la etiqueta «tokenization»Ordenado por índice de salud
PyPI
98Excepcionalíndice de salud
PyThaiNLP/pythainlp
Thai natural language processing in Python
Python★ 1154↓ 682.2K/mes17 sept 2026
Apache-2.017 sept 2026 · métricas 2.10.0
npm
89Excelenteíndice de salud
toon-format/toon
🎒 Token-Oriented Object Notation (TOON) – compact, human-readable serialization of JSON data for LLM prompts. TypeScript SDK, CLI, benchmarks.
TypeScript★ 25.4K↓ 4.7M/mes16 sept 2026
MIT16 sept 2026 · métricas 2.10.0
PyPI · npm
87Excelenteíndice de salud
explosion/spaCy
💫 Industrial-strength Natural Language Processing (NLP) in Python
Python · MDX · Cython★ 33.9K16 sept 2026
MIT16 sept 2026 · métricas 2.10.0
Maven
80Excelenteíndice de salud
Worklytics/psoxy
serverless ☁️ 🚀 , pseudonymizing proxy between Worklytics and your workplace 💼 SaaS data sources' APIs. Data Loss Prevention (DLP) 🛡️🔒 and compliance layer deployable to AWS Lambda or GCP Cloud Functions.
Java · HCL★ 1518 sept 2026
Licencia propia18 sept 2026 · métricas 2.10.0
npm
73Buenoíndice de salud
johannschopplich/tokenx
📐 Fast token estimation with 95%+ average accuracy in a 2kB bundle
TypeScript★ 177↓ 6.2M/mes15 sept 2026
MIT15 sept 2026 · métricas 2.10.0
PyPI · crates.io
63Moderadoíndice de salud
marcelroed/gigatoken
Language model tokenization at GB/s
Rust · Python★ 4093↓ 261.6K/mes12 sept 2026
MIT12 sept 2026 · métricas 2.10.0
crates.io · npm · PyPI
62Moderadoíndice de salud
bio-rs/bio-rs
AI-ready biological data I/O, validation, and tokenization engine
Rust · Python★ 3↓ 925/mes8 sept 2026
Licencia propia8 sept 2026 · métricas 2.10.0
NuGet
62Moderadoíndice de salud
georg-jung/FastBertTokenizer
Fast and memory-efficient library for WordPiece tokenization as it is used by BERT.
C#★ 5415 sept 2026
MIT15 sept 2026 · métricas 2.10.0
npm
59Moderadoíndice de salud
privent-ai/n8n-nodes-privent
Open-source data protection framework for AI agent workflows in n8n. Detects, tokenizes, and reversibly anonymizes sensitive data before it reaches your models.
TypeScript★ 4↓ 267/mes14 sept 2026
MIT14 sept 2026 · métricas 2.10.0
Go
57Moderadoíndice de salud
ron2111/omnitoken
Pure-Go LLM tokenizer and tiktoken-compatible token counter for OpenAI BPE, WordPiece, SentencePiece, Gemini, Llama, Mistral, and Hugging Face adapters.
Go★ 65 sept 2026
MIT5 sept 2026 · métricas 2.10.0
RubyGems
57Moderadoíndice de salud
rosette-api/ruby
Babel Street Analytics Client Library for Ruby
Ruby★ 46 oct 2026
Licencia propia6 oct 2026 · métricas 2.10.0
Go
57Moderadoíndice de salud
shepard-labs/go-toon
Go implementation of Token-Oriented Object Notation (TOON)
Go★ 118 oct 2026
MIT18 oct 2026 · métricas 2.10.0
Go
56Moderadoíndice de salud
chadsr/ollamatokenizer
Ollama's internal tokenization as API endpoints.
Go★ 120 oct 2026
MIT20 oct 2026 · métricas 2.10.0
NuGet
54Moderadoíndice de salud
CharlesHunt/ToonDotNet
This is a conversion of the ToonFormat/Toon repo to C#
C#★ 815 sept 2026
MIT15 sept 2026 · métricas 2.10.0
Packagist
54Moderadoíndice de salud
ParadoxLabs-Inc/authnetcim
Authorize.net CIM payments for Magento 2
PHP · HTML★ 14↓ 9471/mes18 sept 2026
Apache-2.018 sept 2026 · métricas 2.10.0
Go
54Moderadoíndice de salud
clipperhouse/uax29
A tokenizer based on Unicode text segmentation (UAX #29), for Go. Split graphemes, words, sentences.
Go★ 12114 sept 2026
MIT14 sept 2026 · métricas 2.10.0
Packagist
51Moderadoíndice de salud
ParadoxLabs-Inc/authnetcim-hyva-checkout
Use ParadoxLabs' Authorize.net CIM payments with Hyva Checkout
HTML · PHP★ 1↓ 2664/mes29 sept 2026
Apache-2.029 sept 2026 · métricas 2.10.0
PyPI
44Débilíndice de salud
OpenVoiceOS/quebra_frases
chunks strings into byte sized pieces
Python★ 112 sept 2026
Apache-2.012 sept 2026 · métricas 2.10.0
npm
34En riesgoíndice de salud
diplodoc-platform/sentenizer
sentenizer — rule-based NLP library for sentence segmentation with russian language support
TypeScript★ 1↓ 7574/mes18 sept 2026
MIT18 sept 2026 · métricas 2.10.0