谷歌为什登不上去github_一款基于谷歌翻译和有道翻译的开源免费翻译工具

作为一个软件翻译人员,我自从 2010 年开始接触软件来至今已有十余载,而多数翻译均来自谷歌翻译。虽然谷歌网站因为其它原因无法正常访问,但是谷歌翻译的网站却意外的被保留下来。具体原因,我想是可能因为暂时没有更好的替代吧。

b18896144e0e4eb3bc268fd017871a13.png

如果您平常经常需要去翻译一些文献或文档,您也可以直接在谷歌翻译中处理。

谷歌翻译官网:

https://translate.google.cn/

70380bb18adbdbef5ca962d7f8e39f84.png

今天在这里给大家分享的并不是谷歌翻译,而是一款专业开源免费的翻译工具 - CopyTranslator。

官网项目地址:

https://copytranslator.github.io/

源项目地址:

https://github.com/elliottzheng/CopyTranslator

b363bb8fc35116f0d34f52126333432a.png

CopyTranslator 是一款免费开源的翻译工具,开发作者为 Elliott Zheng,支持复制翻译、拖拽复制、智能互译、智能词典等等,采用聚合引擎来帮助您快速得到翻译结果。

0700304a3be5b767a21569426618609e.png

679b06abff6366adaa125f0c5a3659c5.png

软件在测试中发现功能还是非常丰富的,具体使用教程您可以直接在官网上查阅我这里就不多作介绍了,软件我也会同步发布到大眼仔官网上,您也可以直接在软件官网上下载获取。

快速上手:

https://copytranslator.github.io/guide/9.0.0.html#快速上手

虽然,在线翻译或者其它翻译软件也有,但是相对来说 CopyTranslator 还是这些工具中比较优秀的,如果您经常需要翻译国外文章或者文献,您可以选择这款工具哦。

以上就是今天给大家分享的实用小工具,希望能在生活中帮助到您,如果您觉得这款工具有用,您可以通过转发、分享给您身边的人,三克油!

生活就像一只蝴蝶,如果没有破茧的勇气,就不会有飞舞的美丽!生活又像一只蜜蜂,如果没有勤劳和努力,就不会尝到花粉的甜蜜!所以越努力越幸运!

其它相关资源:

电脑技术宅必备的硬盘分区工具之分区助手你下载了吗?

如何快速批量获取某个文件夹内所有文件的名称?

ed6eb1a0d4321373597f9b566d3ad5f3.png

去年,谷歌发布了 Google Neural Machine Translation (GNMT),即谷歌神经机器翻译,一个 sequence-to-sequence (“seq2seq”) 的模型。现在,它已经用于谷歌翻译的产品系统。   虽然消费者感受到的提升并不十分明显,谷歌宣称,GNMT 对翻译质量带来了巨大飞跃。   但谷歌想做的显然不止于此。其在官方博客表示:“由于外部研究人员无法获取训练这些模型的框架,GNMT 的影响力受到了束缚。”   如何把该技术的影响力最大化?答案只有一个——开源。   因而,谷歌于昨晚发布了 tf-seq2seq —— 基于 TensorFlow 的 seq2seq 框架。谷歌表示,它使开发者试验 seq2seq 模型变得更方便,更容易达到一流的效果。另外,tf-seq2seq 的代码库很干净并且模块化,保留了全部的测试覆盖,并把所有功能写入文件。   该框架支持标准 seq2seq 模型的多种配置,比如编码器/解码器的深度、注意力机制(attention mechanism)、RNN 单元类型以及 beam size。这样的多功能性,能帮助研究人员找到最优的超参数,也使它超过了其他框架。详情请参考谷歌论文《Massive Exploration of Neural Machine Translation Architectures》。   上图所示,是一个从中文到英文的 seq2seq 翻译模型。每一个时间步骤,编码器接收一个汉字以及它的上一个状态(黑色箭头),然后生成输出矢量(蓝色箭头)。下一步,解码器一个词一个词地生成英语翻译。在每一个时间步骤,解码器接收上一个字词、上一个状态、所有编码器的加权输出和,以生成下一个英语词汇。雷锋网(公众号:雷锋网)提醒,在谷歌的执行中,他们使用 wordpieces 来处理生僻字词。   据雷锋网了解,除了机器翻译,tf-seq2seq 还能被应用到其他 sequence-to-sequence 任务上;即任何给定输入顺序、需要学习输出顺序的任务。这包括 machine summarization、图像抓取、语音识别、对话建模。谷歌自承,在设计该框架时可以说是十分地仔细,才能维持这个层次的广适性,并提供人性化的教程、预处理数据以及其他的机器翻译功能。   谷歌在博客表示: “我们希望,你会用 tf-seq2seq 来加速(或起步)你的深度学习研究。我们欢迎你对 GitHub 资源库的贡献。有一系列公开的问题需要你的帮助!”   GitHub 地址:https://github.com/google/seq2seq   GitHub 资源库:https://google.github.io/seq2seq/nmt/ 标签:tensorflow  seq2seq  谷歌  机器学习
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值