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.

10 registros
Con la etiqueta «tokenization»Ordenado por índice de salud
PyPI
98Excepcionalíndice de salud
PyThaiNLP/pythainlp
Thai natural language processing in Python
Python★ 1148↓ 1.5M/mes8 ago 2026
Apache-2.08 ago 2026 · métricas 2.10.0
npm
88Excelenteíndice 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★ 25.1K↓ 4.4M/mes5 ago 2026
MIT5 ago 2026 · métricas 2.10.0
PyPI · npm
80Excelenteíndice de salud
explosion/spaCy
💫 Industrial-strength Natural Language Processing (NLP) in Python
Python · MDX · Cython★ 33.8K5 ago 2026
MIT5 ago 2026 · métricas 2.10.0
Go
59Moderadoíndice de salud
clipperhouse/uax29
A tokenizer based on Unicode text segmentation (UAX #29), for Go. Split graphemes, words, sentences.
Go★ 11928 jul 2026
MIT28 jul 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★ 3↓ 2871/mes27 jul 2026
MIT27 jul 2026 · métricas 2.10.0
Go
57Moderadoíndice de salud
chadsr/ollamatokenizer
Ollama's internal tokenization as API endpoints.
Go · Makefile★ 123 ago 2026
MIT23 ago 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
crates.io
56Moderadoíndice de salud
bio-rs/bio-rs
AI-ready biological data I/O, validation, and tokenization engine
Rust · Python★ 315 jul 2026
Licencia propia15 jul 2026 · métricas 2.10.0
PyPI · crates.io
50Moderadoíndice de salud
marcelroed/gigatoken
Language model tokenization at GB/s
Rust · Python★ 115↓ 2741/mes22 jul 2026
MIT22 jul 2026 · métricas 2.10.0
PyPI
47Débilíndice de salud
OpenVoiceOS/quebra_frases
chunks strings into byte sized pieces
Python★ 121 jul 2026
Apache-2.021 jul 2026 · métricas 2.10.0