网络版https://huggingface.co/spaces/mikeee/radiobee-aligner更新：自动分离对齐 单文件 中英 混合， 用法：上传到 file 1再点击 Submit
试用：选 Example 表里的最后一行（纽约时报的一篇文章），点击 Submit
旧功能改进效果：
现在只有四五个段落的小文件现在也能够很好的进行段落对齐了。
新功能发现的问题：
问题1：网页版google浏览器页面显示不全，从第一版就有这个问题， Edge正常。
问题2：测试了一个很小的双语混合文件，发现没有对齐，尤其是标题没有对齐，而且中文的最后一个段落无故消失了。
问题3：测试一个稍大的，对齐效果较好，但标题任然没对齐。
建议：混合文件可以采用识别段落标记的方法进行初步对齐。对绝大多数混合文件，可以达到98%甚至100%的对齐。例如，我们在OFFICE Word对双语混合文件通过插如文本转换为二列表格可达到100%对齐；如果段落标记不一致，则可以引入其它方法改进。
问题2测试文件.txt (2.3 KB)
问题3测试文件.txt (57.4 KB)
感谢反馈。我会仔细看看三个问题。你指的google浏览器是否是Chrome？我都是用Chrome 100%（未用放大缩小）测试。
radiobee 目前处理中英混合其实是先分离再当成两个文件处理。所以目标更多的是那些不完全是一一对应（例如中间有插图、或注释之类的）的中英混合的文本。而且radiobee在一定程度上也依靠前后文帮助对齐。逐段处理自然也是可以实现的，不过有些太麻烦，不适合网页版，也影响速度，或许以后会考虑。
我应该已经修好了第二个bug（标题未对齐）和第三个bug（落了最后一组文本）。
哥们修复神速啊！刚才测试了下带很多插图的中英混排书籍的对齐，对齐效果确实好于abbyy Aligner。明天我再测试下改进的情况！
经测试，英汉交替文本对齐基本能达到99%，只有个别无对应译文的，如时间，或作者的信息等没对齐，属于正常。
所以，哥们可以继续做句子层次对齐了！
感谢反馈。我会加油 
托马斯·潘恩《常识》 （
塑造美国的88本书常识(英汉双语对照) by 托马斯•潘恩 (z-lib.org).epub (403.6 KB)
epub 和
塑造美国的88本书常识(英汉双语对照) by 托马斯•潘恩 (z-lib.org).txt (306.4 KB)
txt） 整本书撂给 radiobee 压测结果（上图仅显示对齐线）。
有兴趣的网友自己动手试试：
- 下载上面的 txt 文件拖到 https://huggingface.co/spaces/mikeee/radiobee-aligner file 1 处
- 点击Submit
- 点击对齐线图下面一点的对齐结果下载段段对齐 csv 和 xlsx 文件或在线查看对齐效果。
用时仅 3.2秒！
PS：个人认为，此书值得对政治有点兴趣的群友一读，即便对政治没有兴趣读一读此书也有助于拓展视野。
1 个赞
likelihood 没有值的对是因为那些对并不是经过计算得出来的，而是由前后句对推演出来的——即是说，前后对好了，夹在中间就放在那里了。
1 个赞
句对齐比ABBY强太多，大神最近有无计划向词对齐和提取迈进？
明白了。现在就等强大、更为实用的句级对齐了！给楼主推荐句子对齐的博士作品，看能否有启示？
bilingual-sentence-aligner.tar.gz (19.0 KB)
hunalign.0.8.precompiledForWindows.zip (4.0 MB)
有群友好像一次对几十本书，太猛了，整趴了 radiobee。我修一下，顺便限制一下文本长度。
句句对齐细节多一点，网页版再多加几个开关开始有点乱了。其实目前也可以分句后直接送给radiobee 对齐。
我在试着加其他语种的对齐功能…… 可行的话完了后再一起折腾句句对齐。
多谢！也期盼早上看到正式单机版。
radiobee 更新
- 加入了支持多语种的慢对模式。不过对中德西游记第一章的效果并不好，原因可能是德文版是根据英文版翻译的以及语言模型与中文《西游记》的行文不吻合。
- 限制了文本长度
- 对齐后少于200行会显示一个一览表
demian-hesse 德英（近900对）
radiobee网络版已经加入了其他语言对（德中、德英等等近50种语言）的对齐功能。正常一点的文本（如Example表里的 demian-hesse 德英）效果挺不错，也够快（1000对约30秒），有兴趣的话可以试试汉日日汉。
2 个赞
盼望带句子对齐开关的单价版早日诞生！
1 个赞