公開メンバ関数
static int	ailiaTokenizerCreate (ref IntPtr net, int type, int flags)
	トークナイズオブジェクトを作成します。 [詳解]

static int	ailiaTokenizerOpenModelFile (IntPtr net, string ath)
	モデルファイルを読み込みます。 [詳解]

static int	ailiaTokenizerOpenDictionaryFile (IntPtr net, string path)
	辞書ファイルを読み込みます。 [詳解]

static int	ailiaTokenizerOpenVocabFile (IntPtr net, string path)
	単語ファイルを読み込みます。 [詳解]

static int	ailiaTokenizerOpenMergeFile (IntPtr net, string path)
	マージファイルを読み込みます。 [詳解]

static int	ailiaTokenizerOpenAddedTokensFile (IntPtr net, string path)
	追加トークンファイルを読み込みます。 [詳解]

static int	ailiaTokenizerOpenTokenizerConfigFile (IntPtr net, string path)
	コンフィグファイルを読み込みます。 [詳解]

static int	ailiaTokenizerEncode (IntPtr net, IntPtr utf8)
	エンコードを行います。 [詳解]

static int	ailiaTokenizerEncodeWithSpecialTokens (IntPtr net, IntPtr utf8)
	スペシャルトークンを含んだエンコードを行います。 [詳解]

static int	ailiaTokenizerGetTokenCount (IntPtr net, ref uint count)
	トークンの数を取得します。 [詳解]

static int	ailiaTokenizerGetTokens (IntPtr net, IntPtr tokens, uint count)
	トークンを取得します。 [詳解]

static int	ailiaTokenizerGetWordIDs (IntPtr net, IntPtr tokens, uint count)
	ワードIDを取得します。 [詳解]

static int	ailiaTokenizerGetCharStarts (IntPtr net, IntPtr tokens, uint count)
	開始文字位置を取得します。 [詳解]

static int	ailiaTokenizerGetCharEnds (IntPtr net, IntPtr tokens, uint count)
	終了文字位置を取得します。 [詳解]

static int	ailiaTokenizerDecode (IntPtr net, IntPtr tokens, uint token_count)
	デコードを行います。 [詳解]

static int	ailiaTokenizerDecodeWithSpecialTokens (IntPtr net, IntPtr tokens, uint token_count)
	スペシャルトークンを含んだデコードを行います。 [詳解]

static int	ailiaTokenizerGetTextLength (IntPtr net, ref uint len)
	テキストの長さを取得します。(NULL文字含む) [詳解]

static int	ailiaTokenizerGetText (IntPtr net, IntPtr text, uint len)
	テキストを取得します。 [詳解]

static int	ailiaTokenizerGetVocabSize (IntPtr net, ref uint size)
	Vocabの数を取得します。 [詳解]

static int	ailiaTokenizerGetVocab (IntPtr net, int token, ref IntPtr vocab)
	Vocabの取得を行います。 [詳解]

static void	ailiaTokenizerDestroy (IntPtr net)
	トークナイズオブジェクトを破棄します。 [詳解]

static int	ailiaTokenizerUtf8ToUtf32 (ref uint utf32, ref uint processed_byte, IntPtr utf8, uint utf8_len)
	UTF8の文字をUTF32の文字に変換します。 [詳解]

static int	ailiaTokenizerUtf32ToUtf8 (IntPtr utf8, ref uint processed_byte, uint utf32)
	UTF32の文字をUTF8の文字に変換します。 [詳解]

静的公開変数類
const String	LIBRARY_NAME ="ailia_tokenizer"

const Int32	AILIA_TOKENIZER_TYPE_WHISPER = (0)

const Int32	AILIA_TOKENIZER_TYPE_CLIP = (1)

const Int32	AILIA_TOKENIZER_TYPE_XLM_ROBERTA = (2)

const Int32	AILIA_TOKENIZER_TYPE_MARIAN = (3)

const Int32	AILIA_TOKENIZER_TYPE_BERT_JAPANESE_WORDPIECE = (4)

const Int32	AILIA_TOKENIZER_TYPE_BERT_JAPANESE_CHARACTER = (5)

const Int32	AILIA_TOKENIZER_TYPE_T5 = (6)

const Int32	AILIA_TOKENIZER_TYPE_ROBERTA = (7)

const Int32	AILIA_TOKENIZER_TYPE_BERT = (8)

const Int32	AILIA_TOKENIZER_TYPE_GPT2 = (9)

const Int32	AILIA_TOKENIZER_TYPE_LLAMA = (10)

const Int32	AILIA_TOKENIZER_FLAG_NONE = (0)

const Int32	AILIA_TOKENIZER_FLAG_UTF8_SAFE = (1)

関数詳解

◆ ailiaTokenizerCreate()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerCreate	(	ref IntPtr	net,
		int	type,
		int	flags
	)

トークナイズオブジェクトを作成します。

引数

net	トークナイザオブジェクトポインタへのポインタ
type	AILIA_TOKENIZER_TYPE_*
flag	AILIA_TOKENIZER_FLAG_*の論理和

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

トークナイズオブジェクトを作成します。

◆ ailiaTokenizerDecode()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerDecode	(	IntPtr	net,
		IntPtr	tokens,
		uint	token_count
	)

デコードを行います。

引数

net	トークナイザオブジェクトポインタ
tokens	デコードするトークン
token_count	トークンの数

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

認識した結果はailiaTokenizerGetText APIで取得します。

◆ ailiaTokenizerDecodeWithSpecialTokens()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerDecodeWithSpecialTokens	(	IntPtr	net,
		IntPtr	tokens,
		uint	token_count
	)

スペシャルトークンを含んだデコードを行います。

引数

net	トークナイザオブジェクトポインタ
tokens	デコードするトークン
token_count	トークンの数

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

デコードした結果はailiaTokenizerGetText APIで取得します。 skip_special_tokens=Falseと同様に、Special Tokenを出力します。

◆ ailiaTokenizerDestroy()

static void ailiaTokenizer.AiliaTokenizer.ailiaTokenizerDestroy ( IntPtr net )

トークナイズオブジェクトを破棄します。

引数

net	トークナイザオブジェクトポインタ

◆ ailiaTokenizerEncode()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerEncode	(	IntPtr	net,
		IntPtr	utf8
	)

エンコードを行います。

引数

net	トークナイザオブジェクトポインタ
text	エンコードするテキスト(UTF8)

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

認識した結果はailiaTokenizerGetTokens APIで取得します。

◆ ailiaTokenizerEncodeWithSpecialTokens()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerEncodeWithSpecialTokens	(	IntPtr	net,
		IntPtr	utf8
	)

スペシャルトークンを含んだエンコードを行います。

引数

net	トークナイザオブジェクトポインタ
text	エンコードするテキスト(UTF8)

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

認識した結果はailiaTokenizerGetTokens APIで取得します。 split_special_tokens=Falseと同様に、Special Tokenを出力します。

◆ ailiaTokenizerGetCharEnds()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetCharEnds	(	IntPtr	net,
		IntPtr	tokens,
		uint	count
	)

終了文字位置を取得します。

引数

net	トークナイザオブジェクトポインタ
char_ends	終了文字位置
count	格納先トークン数

◆ ailiaTokenizerGetCharStarts()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetCharStarts	(	IntPtr	net,
		IntPtr	tokens,
		uint	count
	)

開始文字位置を取得します。

引数

net	トークナイザオブジェクトポインタ
char_starts	開始文字位置
count	格納先トークン数

◆ ailiaTokenizerGetText()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetText	(	IntPtr	net,
		IntPtr	text,
		uint	len
	)

テキストを取得します。

引数

net	トークナイザオブジェクトポインタ
text	テキスト(UTF8)
len	バッファサイズ

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

ailiaTokenizerDecode() を一度も実行していない場合は AILIA_STATUS_INVALID_STATE が返ります。

◆ ailiaTokenizerGetTextLength()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetTextLength	(	IntPtr	net,
		ref uint	len
	)

テキストの長さを取得します。(NULL文字含む)

引数

net	トークナイザオブジェクトポインタ
len	テキストの長さ

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

◆ ailiaTokenizerGetTokenCount()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetTokenCount	(	IntPtr	net,
		ref uint	count
	)

トークンの数を取得します。

引数

net	トークナイザオブジェクトポインタ
count	オブジェクト数

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

◆ ailiaTokenizerGetTokens()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetTokens	(	IntPtr	net,
		IntPtr	tokens,
		uint	count
	)

トークンを取得します。

引数

net	トークナイザオブジェクトポインタ
tokens	トークン
count	格納先トークン数

◆ ailiaTokenizerGetVocab()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetVocab	(	IntPtr	net,
		int	token,
		ref IntPtr	vocab
	)

Vocabの取得を行います。

引数

net	トークナイザオブジェクトポインタ
token	トークン
vocab	Vocabのテキスト(UTF8)

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

vocabを解放する必要はありません。 vocabの有効期間は次にailiaTokenizer APIを呼び出すまでになります。

◆ ailiaTokenizerGetVocabSize()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetVocabSize	(	IntPtr	net,
		ref uint	size
	)

Vocabの数を取得します。

引数

net	トークナイザオブジェクトポインタ
size	Vocabの要素数

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

◆ ailiaTokenizerGetWordIDs()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerGetWordIDs	(	IntPtr	net,
		IntPtr	tokens,
		uint	count
	)

ワードIDを取得します。

引数

net	トークナイザオブジェクトポインタ
word_ids	ワードID
count	格納先トークン数

◆ ailiaTokenizerOpenAddedTokensFile()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerOpenAddedTokensFile	(	IntPtr	net,
		string	path
	)

追加トークンファイルを読み込みます。

引数

net	トークナイザオブジェクトポインタへのポインタ
path	スペシャルトークンファイルのパス

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

追加トークンファイル (json) を読み込みます。AILIA_TOKENIZER_TYPE_WHISPERの場合のみ有効です。

◆ ailiaTokenizerOpenDictionaryFile()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerOpenDictionaryFile	(	IntPtr	net,
		string	path
	)

辞書ファイルを読み込みます。

引数

net	トークナイザオブジェクトポインタへのポインタ
path	Mecabの辞書ファイルのパス

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

Mecabの辞書ファイルを読み込みます。AILIA_TOKENIZER_TYPE_BERT_JAPANESE_XXXの場合のみ必要です。

◆ ailiaTokenizerOpenMergeFile()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerOpenMergeFile	(	IntPtr	net,
		string	path
	)

マージファイルを読み込みます。

引数

net	トークナイザオブジェクトポインタへのポインタ
path	マージファイルのパス

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

マージファイル (txt) を読み込みます。AILIA_TOKENIZER_TYPE_ROBERTAもしくはAILIA_TOKENIZER_TYPE_WHISPERもしくはAILIA_TOKENIZER_TYPE_GPT2の場合のみ有効です。

◆ ailiaTokenizerOpenModelFile()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerOpenModelFile	(	IntPtr	net,
		string	ath
	)

モデルファイルを読み込みます。

引数

net	トークナイザオブジェクトポインタへのポインタ
path	SentencePieceのモデルファイルのパス

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

SentencePieceのモデルファイルを読み込みます。AILIA_TOKENIZER_TYPE_XLM_ROBERTAもしくはAILIA_TOKENIZER_TYPE_MARIANの場合のみ必要です。

◆ ailiaTokenizerOpenTokenizerConfigFile()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerOpenTokenizerConfigFile	(	IntPtr	net,
		string	path
	)

コンフィグファイルを読み込みます。

引数

net	トークナイザオブジェクトポインタへのポインタ
path	コンフィグファイルのパス

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

トークナイザコンフィグファイル (json) を読み込みます。AILIA_TOKENIZER_TYPE_BERTの場合のみ有効です。

◆ ailiaTokenizerOpenVocabFile()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerOpenVocabFile	(	IntPtr	net,
		string	path
	)

単語ファイルを読み込みます。

引数

net	トークナイザオブジェクトポインタへのポインタ
path	単語ファイルのパス

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

単語ファイル (ROBERTAとWHISPERとGPT2はjson、それ以外はtxt) を読み込みます。

◆ ailiaTokenizerUtf32ToUtf8()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerUtf32ToUtf8	(	IntPtr	utf8,
		ref uint	processed_byte,
		uint	utf32
	)

UTF32の文字をUTF8の文字に変換します。

引数

utf8	UTF8の文字(4byte以上必要)
processed_byte	書き込んだ文字数(UTF8)
utf32	UTF32の文字

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

◆ ailiaTokenizerUtf8ToUtf32()

static int ailiaTokenizer.AiliaTokenizer.ailiaTokenizerUtf8ToUtf32	(	ref uint	utf32,
		ref uint	processed_byte,
		IntPtr	utf8,
		uint	utf8_len
	)

UTF8の文字をUTF32の文字に変換します。

引数

utf32	UTF32の文字
processed_byte	消費したバイト数(UTF8)
utf8	UTF8の文字
utf8_len	バッファサイズ

戻り値: 成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

メンバ詳解

◆ AILIA_TOKENIZER_FLAG_NONE

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_FLAG_NONE = (0)

static

◆ AILIA_TOKENIZER_FLAG_UTF8_SAFE

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_FLAG_UTF8_SAFE = (1)

static

◆ AILIA_TOKENIZER_TYPE_BERT

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_BERT = (8)

static

◆ AILIA_TOKENIZER_TYPE_BERT_JAPANESE_CHARACTER

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_BERT_JAPANESE_CHARACTER = (5)

static

◆ AILIA_TOKENIZER_TYPE_BERT_JAPANESE_WORDPIECE

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_BERT_JAPANESE_WORDPIECE = (4)

static

◆ AILIA_TOKENIZER_TYPE_CLIP

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_CLIP = (1)

static

◆ AILIA_TOKENIZER_TYPE_GPT2

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_GPT2 = (9)

static

◆ AILIA_TOKENIZER_TYPE_LLAMA

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_LLAMA = (10)

static

◆ AILIA_TOKENIZER_TYPE_MARIAN

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_MARIAN = (3)

static

◆ AILIA_TOKENIZER_TYPE_ROBERTA

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_ROBERTA = (7)

static

◆ AILIA_TOKENIZER_TYPE_T5

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_T5 = (6)

static

◆ AILIA_TOKENIZER_TYPE_WHISPER

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_WHISPER = (0)

static

◆ AILIA_TOKENIZER_TYPE_XLM_ROBERTA

const Int32 ailiaTokenizer.AiliaTokenizer.AILIA_TOKENIZER_TYPE_XLM_ROBERTA = (2)

static

◆ LIBRARY_NAME

const String ailiaTokenizer.AiliaTokenizer.LIBRARY_NAME ="ailia_tokenizer"

static

このクラス詳解は次のファイルから抽出されました:

AiliaTokenizer.cs

公開メンバ関数

静的公開変数類

関数詳解

◆ ailiaTokenizerCreate()

◆ ailiaTokenizerDecode()

◆ ailiaTokenizerDecodeWithSpecialTokens()

◆ ailiaTokenizerDestroy()

◆ ailiaTokenizerEncode()

◆ ailiaTokenizerEncodeWithSpecialTokens()

◆ ailiaTokenizerGetCharEnds()

◆ ailiaTokenizerGetCharStarts()

◆ ailiaTokenizerGetText()

◆ ailiaTokenizerGetTextLength()

◆ ailiaTokenizerGetTokenCount()

◆ ailiaTokenizerGetTokens()

◆ ailiaTokenizerGetVocab()

◆ ailiaTokenizerGetVocabSize()

◆ ailiaTokenizerGetWordIDs()

◆ ailiaTokenizerOpenAddedTokensFile()

◆ ailiaTokenizerOpenDictionaryFile()

◆ ailiaTokenizerOpenMergeFile()

◆ ailiaTokenizerOpenModelFile()

◆ ailiaTokenizerOpenTokenizerConfigFile()

◆ ailiaTokenizerOpenVocabFile()

◆ ailiaTokenizerUtf32ToUtf8()

◆ ailiaTokenizerUtf8ToUtf32()

メンバ詳解

◆ AILIA_TOKENIZER_FLAG_NONE

◆ AILIA_TOKENIZER_FLAG_UTF8_SAFE

◆ AILIA_TOKENIZER_TYPE_BERT

◆ AILIA_TOKENIZER_TYPE_BERT_JAPANESE_CHARACTER

◆ AILIA_TOKENIZER_TYPE_BERT_JAPANESE_WORDPIECE

◆ AILIA_TOKENIZER_TYPE_CLIP

◆ AILIA_TOKENIZER_TYPE_GPT2

◆ AILIA_TOKENIZER_TYPE_LLAMA

◆ AILIA_TOKENIZER_TYPE_MARIAN

◆ AILIA_TOKENIZER_TYPE_ROBERTA

◆ AILIA_TOKENIZER_TYPE_T5

◆ AILIA_TOKENIZER_TYPE_WHISPER

◆ AILIA_TOKENIZER_TYPE_XLM_ROBERTA

◆ LIBRARY_NAME