diff --git a/exports/hykilp/atom.xml b/exports/hykilp/atom.xml index 5d0a3561e..a7f0059a5 100644 --- a/exports/hykilp/atom.xml +++ b/exports/hykilp/atom.xml @@ -2,11 +2,38 @@ https://aza.moe/life 小桂桂的回忆录 📒 - 2024-07-19T14:09:05.921681+00:00 + 2024-07-19T16:09:32.871823+00:00 python-feedgen https://aza.moe/meru_256px.png 「我们所经历的每个平凡的日常,也许就是连续发生的奇迹」 + + 4178 + 小桂桂的回忆录 📒 #4178 + 2024-07-19T15:36:21+00:00 + <p>测试了半天百度翻译,百度翻译确实没有英语歧义的问题</p> +<p>...因为百度的中转语言是中文,当然没有英语歧义的问题,只有中文歧义的问题 🌚</p> +<p>"Beat a car" &gt; 「打车」 &gt; 「タクシーを拾う」 ("Take a taxi")</p> +<p>不过感觉中文确实比英文更难出现歧义,而且因为亚洲语言离中文更近,感觉百度翻译翻亚洲语言的准确率肯定比英语中转的 Google / DeepL 高</p> + + + + 4177 + 小桂桂的回忆录 📒 #4177 + 2024-07-19T14:42:19+00:00 + <p>没事了,DeepL 英语歧义也会翻错</p> + + + + 4174 + 小桂桂的回忆录 📒 #4174 + 2024-07-19T14:30:25+00:00 + <p>今天在研究中日文翻译,去🤗上找了一圈发现并没有人训练中文翻日文的模型,即使语言很全的比如 Helsinki-NLP opus 系列也大部分都是转英语的模型。</p> +<p>然后就在想,要做一个语言覆盖全面的翻译模型需要的资源好多啊,模型数量和语言数量是 n² 关系,如果要支持 33 种语言互相翻译就需要训练 1089 个模型... 那现有的翻译工具是怎么做的呢?</p> +<p>然后发现谷歌翻译其实是用英语做了中间语言,先把所有语言翻译到英语再翻译到目标语言... 这样就只需要 2n 个模型了,但是会有很大问题,英语有歧义的东西就会翻错,比如「字符串」 &gt; "String" &gt; 「弦」</p> +<p>那 DeepL 是怎么做的呢?简单测试一下发现是没有英语歧义问题的,字符串不会翻译成弦,弦也不会翻译成字符串... 但是仔细测试一下发现 DeepL 其实也是用英语中转的,因为中英翻译爆炸的时候中日会把英语的爆炸结果翻出来。那它是怎么做到消歧义的呢?好奇妙</p> + + 4173 小桂桂的回忆录 📒 #4173 diff --git a/exports/hykilp/index.html b/exports/hykilp/index.html index 3c006da63..64b5da433 100644 --- a/exports/hykilp/index.html +++ b/exports/hykilp/index.html @@ -27,7 +27,7 @@ diff --git a/exports/hykilp/media/4174.jpg b/exports/hykilp/media/4174.jpg new file mode 100644 index 000000000..8210416a8 Binary files /dev/null and b/exports/hykilp/media/4174.jpg differ diff --git a/exports/hykilp/media/4174.jpg_thumb.jpg b/exports/hykilp/media/4174.jpg_thumb.jpg new file mode 100644 index 000000000..8ced16f46 Binary files /dev/null and b/exports/hykilp/media/4174.jpg_thumb.jpg differ diff --git a/exports/hykilp/media/4175.jpg b/exports/hykilp/media/4175.jpg new file mode 100644 index 000000000..cddcd687d Binary files /dev/null and b/exports/hykilp/media/4175.jpg differ diff --git a/exports/hykilp/media/4175.jpg_thumb.jpg b/exports/hykilp/media/4175.jpg_thumb.jpg new file mode 100644 index 000000000..6bed1f5d6 Binary files /dev/null and b/exports/hykilp/media/4175.jpg_thumb.jpg differ diff --git a/exports/hykilp/media/4176.jpg b/exports/hykilp/media/4176.jpg new file mode 100644 index 000000000..0f4110118 Binary files /dev/null and b/exports/hykilp/media/4176.jpg differ diff --git a/exports/hykilp/media/4176.jpg_thumb.jpg b/exports/hykilp/media/4176.jpg_thumb.jpg new file mode 100644 index 000000000..a2dce6002 Binary files /dev/null and b/exports/hykilp/media/4176.jpg_thumb.jpg differ diff --git a/exports/hykilp/media/4177.jpg b/exports/hykilp/media/4177.jpg new file mode 100644 index 000000000..0393d6ae3 Binary files /dev/null and b/exports/hykilp/media/4177.jpg differ diff --git a/exports/hykilp/media/4177.jpg_thumb.jpg b/exports/hykilp/media/4177.jpg_thumb.jpg new file mode 100644 index 000000000..e2575c9a9 Binary files /dev/null and b/exports/hykilp/media/4177.jpg_thumb.jpg differ diff --git a/exports/hykilp/media/4178.jpg b/exports/hykilp/media/4178.jpg new file mode 100644 index 000000000..0ccf46927 Binary files /dev/null and b/exports/hykilp/media/4178.jpg differ diff --git a/exports/hykilp/media/4178.jpg_thumb.jpg b/exports/hykilp/media/4178.jpg_thumb.jpg new file mode 100644 index 000000000..0c31a90ec Binary files /dev/null and b/exports/hykilp/media/4178.jpg_thumb.jpg differ diff --git a/exports/hykilp/posts.json b/exports/hykilp/posts.json index 3fd5055d1..41c745b32 100644 --- a/exports/hykilp/posts.json +++ b/exports/hykilp/posts.json @@ -1224,7 +1224,7 @@ "id": 117, "date": "2021-10-14T15:04:06", "text": "抽血w", - "views": 51, + "views": 52, "forwards": 0, "images": [ { @@ -1243,7 +1243,7 @@ "id": 119, "date": "2021-10-14T17:53:43", "text": "抽完血下一个 appointment 又要排到两周后了... 这样每办一件事都要等两周不知道什么时候才能拿到处方w", - "views": 51, + "views": 52, "forwards": 1, "media_group_id": 13073872186487669, "images": [ @@ -56142,7 +56142,7 @@ "id": 4115, "date": "2024-07-10T10:05:26", "text": "训练好了 Sekai LLM 之后现在正在训练 Sekai TTS,目前训练到第一代 250 epoch,效果意外不错 🤩\n\n开放了一个测试网页大家可以来玩玩 https://sekai-test.aquadx.net/ (edit: 测试结束下线了,感谢关注)\n\n架构用的是 2021 年的 VITS,训练用了 Plachtaa 的微调仓库,把 pjsk 拆好的资源下下来把文本音频对应上之后就开始训练啦,都是别人走过的路。第一代用了每人 200 个音频,看起来有些数据集外的音频听起来怪怪的,下一代打算把游戏里的全部 210308 条音频都喂进去(虽然那样应该会需要训练更久\n\n以及感谢 menci 借给我 4090 机器 qwq", - "views": 97, + "views": 98, "forwards": 1, "images": [ { @@ -56161,7 +56161,7 @@ "id": 4116, "date": "2024-07-10T16:03:25", "text": "在中国只是日常写程序就能学到很多寄网知识 🛌\n\n刚才开 gradio 不知道为什么提交生成的时候没有反应,甚至服务器端没有收到请求,然后发现是 gradio 自己需要访问 localhost,然而开了 all_proxy 环境变量之后 localhost 也被代跑了", - "views": 80, + "views": 81, "forwards": 1 }, { @@ -56801,7 +56801,7 @@ "id": 4166, "date": "2024-07-17T17:16:04", "text": "syama 家有一组两个灯有三个按钮开关,开关 A 打开会让 a 亮,B 会让 b 亮,C 会让 a = !a, b = ! b,也就是说如果 A 和 C 同时开着,只有 b 亮\n\n突然好想把家里的智能开关改造成一个布尔可满足性谜题,每个开关控制三个灯的布尔条件,每组特定的亮灭组合都可以用一种特定的开关组合达成", - "views": 61, + "views": 62, "forwards": 0 }, { @@ -56837,7 +56837,7 @@ "id": 4169, "date": "2024-07-18T11:23:14", "text": "???? CloudFlare 真的好智能?\n\n今天起来发现服务炸了,请求直接域名不见... 驱虫了半天,原本觉得 CF 应该是最不容易出问题的但是也看一眼吧,然后发现真的就是 CF 的锅\n\n我的 CF 隧道上有很多条 sekai.aquadx.net 的不同子路径代理到不同端口上,昨天晚上加了一个测试路径然后把它删掉了,然后现在发现 CF 删那个子路径的时候直接把我整个 sekai.aquadx.net 的 DNS 映射删掉了......\n\n怎么这么基础的逻辑还能出错啊 CF ", - "views": 61, + "views": 62, "forwards": 1, "media_group_id": 13770414354579493, "images": [ @@ -56867,14 +56867,14 @@ "id": 4171, "date": "2024-07-18T20:36:36", "text": "我火星 刚看到 niconico 数据丢失的那件事,完全 🤯\n\n发现现在日语创作社区已经移居 YouTube 了,弹幕文化就这样死掉了吗... 感觉好可惜", - "views": 51, + "views": 55, "forwards": 0 }, { "id": 4172, "date": "2024-07-19T10:57:17", "text": "跟我学单词:\nCrowd,人群\nStrike,罢工\nCrowdStrike,集体罢工\n\n例句:\nJuly 19th, we CrowdStrike. 7月19日,我们集体罢工了", - "views": 28, + "views": 39, "forwards": 1, "forwarded_from": { "name": "IloveMATH.Get('Daily').Except('Ingress').EmitToChannel()" @@ -56884,11 +56884,99 @@ "id": 4173, "date": "2024-07-19T10:58:45", "text": "感觉会有很多一般路过吃瓜群众觉得这次的蓝屏事故是微软的锅...", - "views": 34, + "views": 46, "forwards": 0, "reply": { "id": 4172, "text": "跟我学单词:\nCrowd,人群\nStrike,罢工\nCrowdStrike,集体罢工\n\n例句:\nJuly 19th, we CrowdStrike. 7月19日,我们集体罢工了" } + }, + { + "id": 4174, + "date": "2024-07-19T14:30:25", + "text": "今天在研究中日文翻译,去🤗上找了一圈发现并没有人训练中文翻日文的模型,即使语言很全的比如 Helsinki-NLP opus 系列也大部分都是转英语的模型。\n\n然后就在想,要做一个语言覆盖全面的翻译模型需要的资源好多啊,模型数量和语言数量是 n² 关系,如果要支持 33 种语言互相翻译就需要训练 1089 个模型... 那现有的翻译工具是怎么做的呢?\n\n然后发现谷歌翻译其实是用英语做了中间语言,先把所有语言翻译到英语再翻译到目标语言... 这样就只需要 2n 个模型了,但是会有很大问题,英语有歧义的东西就会翻错,比如「字符串」 > \"String\" > 「弦」\n\n那 DeepL 是怎么做的呢?简单测试一下发现是没有英语歧义问题的,字符串不会翻译成弦,弦也不会翻译成字符串... 但是仔细测试一下发现 DeepL 其实也是用英语中转的,因为中英翻译爆炸的时候中日会把英语的爆炸结果翻出来。那它是怎么做到消歧义的呢?好奇妙", + "views": 37, + "forwards": 0, + "media_group_id": 13771195402520333, + "images": [ + { + "width": 575, + "height": 720, + "date": "2024-07-19T14:30:14", + "media_type": "photo", + "original_name": "photo_2024-07-19_14-30-14.jpg", + "url": "media/4174.jpg", + "size": 30516, + "thumb": "media/4174.jpg_thumb.jpg" + }, + { + "width": 575, + "height": 978, + "date": "2024-07-19T14:30:24", + "media_type": "photo", + "original_name": "photo_2024-07-19_14-30-24.jpg", + "url": "media/4175.jpg", + "size": 37228, + "thumb": "media/4175.jpg_thumb.jpg" + }, + { + "width": 575, + "height": 931, + "date": "2024-07-19T14:30:24", + "media_type": "photo", + "original_name": "photo_2024-07-19_14-30-24.jpg", + "url": "media/4176.jpg", + "size": 28741, + "thumb": "media/4176.jpg_thumb.jpg" + } + ] + }, + { + "id": 4177, + "date": "2024-07-19T14:42:19", + "text": "没事了,DeepL 英语歧义也会翻错", + "views": 30, + "forwards": 0, + "reply": { + "id": 4174, + "text": "今天在研究中日文翻译,去🤗上找了一圈发现并没有人训练中文翻日文的模型,即使语言很全的比如 Helsinki-NLP opus 系列也大部分都是转英语的模型。\n\n然后就在想,要做一个语言覆盖全面的翻译模型需要的资源好多啊,模型数量和语言数量是 n² 关系,如果要支持 33 种语言互相翻译就需要训练 1089 个模型... 那现有的翻译工具是怎么做的呢?\n\n然后发现谷歌翻译其实是用英语做了中间语言,先把所有语言翻译到英语再翻译到目标语言... 这样就只需要 2n 个模型了,但是会有很大问题,英语有歧义的东西就会翻错,比如「字符串」 > \"String\" > 「弦」\n\n那 DeepL 是怎么做的呢?简单测试一下发现是没有英语歧义问题的,字符串不会翻译成弦,弦也不会翻译成字符串... 但是仔细测试一下发现 DeepL 其实也是用英语中转的,因为中英翻译爆炸的时候中日会把英语的爆炸结果翻出来。那它是怎么做到消歧义的呢?好奇妙", + "thumb": "media/4174.jpg_thumb.jpg" + }, + "images": [ + { + "width": 1137, + "height": 329, + "date": "2024-07-19T14:43:37", + "media_type": "photo", + "original_name": "photo_2024-07-19_14-43-37.jpg", + "url": "media/4177.jpg", + "size": 22133, + "thumb": "media/4177.jpg_thumb.jpg" + } + ] + }, + { + "id": 4178, + "date": "2024-07-19T15:36:21", + "text": "测试了半天百度翻译,百度翻译确实没有英语歧义的问题\n\n...因为百度的中转语言是中文,当然没有英语歧义的问题,只有中文歧义的问题 🌚\n\n\"Beat a car\" > 「打车」 > 「タクシーを拾う」 (\"Take a taxi\")\n\n不过感觉中文确实比英文更难出现歧义,而且因为亚洲语言离中文更近,感觉百度翻译翻亚洲语言的准确率肯定比英语中转的 Google / DeepL 高", + "views": 20, + "forwards": 0, + "reply": { + "id": 4174, + "text": "今天在研究中日文翻译,去🤗上找了一圈发现并没有人训练中文翻日文的模型,即使语言很全的比如 Helsinki-NLP opus 系列也大部分都是转英语的模型。\n\n然后就在想,要做一个语言覆盖全面的翻译模型需要的资源好多啊,模型数量和语言数量是 n² 关系,如果要支持 33 种语言互相翻译就需要训练 1089 个模型... 那现有的翻译工具是怎么做的呢?\n\n然后发现谷歌翻译其实是用英语做了中间语言,先把所有语言翻译到英语再翻译到目标语言... 这样就只需要 2n 个模型了,但是会有很大问题,英语有歧义的东西就会翻错,比如「字符串」 > \"String\" > 「弦」\n\n那 DeepL 是怎么做的呢?简单测试一下发现是没有英语歧义问题的,字符串不会翻译成弦,弦也不会翻译成字符串... 但是仔细测试一下发现 DeepL 其实也是用英语中转的,因为中英翻译爆炸的时候中日会把英语的爆炸结果翻出来。那它是怎么做到消歧义的呢?好奇妙", + "thumb": "media/4174.jpg_thumb.jpg" + }, + "images": [ + { + "width": 1259, + "height": 406, + "date": "2024-07-19T15:36:20", + "media_type": "photo", + "original_name": "photo_2024-07-19_15-36-20.jpg", + "url": "media/4178.jpg", + "size": 48852, + "thumb": "media/4178.jpg_thumb.jpg" + } + ] } ] \ No newline at end of file diff --git a/exports/hykilp/rss.xml b/exports/hykilp/rss.xml index 8ea4f8d75..056119e3d 100644 --- a/exports/hykilp/rss.xml +++ b/exports/hykilp/rss.xml @@ -12,7 +12,31 @@ https://aza.moe/life zh-cn - Fri, 19 Jul 2024 14:09:05 +0000 + Fri, 19 Jul 2024 16:09:32 +0000 + + 小桂桂的回忆录 📒 #4178 + https://aza.moe/life?post=4178 + <p>测试了半天百度翻译,百度翻译确实没有英语歧义的问题</p> +<p>...因为百度的中转语言是中文,当然没有英语歧义的问题,只有中文歧义的问题 🌚</p> +<p>"Beat a car" &gt; 「打车」 &gt; 「タクシーを拾う」 ("Take a taxi")</p> +<p>不过感觉中文确实比英文更难出现歧义,而且因为亚洲语言离中文更近,感觉百度翻译翻亚洲语言的准确率肯定比英语中转的 Google / DeepL 高</p> + 4178 + + + 小桂桂的回忆录 📒 #4177 + https://aza.moe/life?post=4177 + <p>没事了,DeepL 英语歧义也会翻错</p> + 4177 + + + 小桂桂的回忆录 📒 #4174 + https://aza.moe/life?post=4174 + <p>今天在研究中日文翻译,去🤗上找了一圈发现并没有人训练中文翻日文的模型,即使语言很全的比如 Helsinki-NLP opus 系列也大部分都是转英语的模型。</p> +<p>然后就在想,要做一个语言覆盖全面的翻译模型需要的资源好多啊,模型数量和语言数量是 n² 关系,如果要支持 33 种语言互相翻译就需要训练 1089 个模型... 那现有的翻译工具是怎么做的呢?</p> +<p>然后发现谷歌翻译其实是用英语做了中间语言,先把所有语言翻译到英语再翻译到目标语言... 这样就只需要 2n 个模型了,但是会有很大问题,英语有歧义的东西就会翻错,比如「字符串」 &gt; "String" &gt; 「弦」</p> +<p>那 DeepL 是怎么做的呢?简单测试一下发现是没有英语歧义问题的,字符串不会翻译成弦,弦也不会翻译成字符串... 但是仔细测试一下发现 DeepL 其实也是用英语中转的,因为中英翻译爆炸的时候中日会把英语的爆炸结果翻出来。那它是怎么做到消歧义的呢?好奇妙</p> + 4174 + 小桂桂的回忆录 📒 #4173 https://aza.moe/life?post=4173