中英文翻译数据集：
Anyone can do that. 任何人都可以做到。
How about another piece of cake? 要不要再來一塊蛋糕？
She married him. 她嫁给了他。
I don't like learning irregular verbs. 我不喜欢学习不规则动词。
It's a whole new ball game for me. 這對我來說是個全新的球類遊戲。
He's sleeping like a baby. 他正睡着，像个婴儿一样。
He can play both tennis and baseball. 他既会打网球，又会打棒球。
We should cancel the hike. 我們應該取消這次遠足。
He is good at dealing with children. 他擅長應付小孩子。
2022-08-20 15:29:06
984KB
1
软件是可以把客户发来的直接翻译到中文 我们输入的中文直接翻译到其他语言 发送出去
均是自动双向实时翻译，支持全球语言，
各大外贸公司，出海翻译，
软件支持 WhatsApp LINE ZALO Facebook Messenger Skype GoogleVoice Instagram Signal Quora TextNow Telegram 领英（Linkedin）Crisp(客服系统) Hangouts（环聊）
软件能无限多开 上面支持的全部应用
支持facebook,whastsapp,telegram语音转文字翻译
支持whastsapp,googleVoice群发自动打招呼
支持支持whastsapp,googleVoice群发自动打招呼
能实现 WhatsApp LINE zalo 的实时统计每天新进的粉丝
安装提醒 ： WIN10 安装的自带杀毒会拦截 点击更新信息 安装就行
使用注意： 建议 关闭 安全杀毒软件使用 包括 各类管家 杀毒，本软件提供翻译服务，其他一切均调用各大官方，请各位遵守相关的法律法规，你使用不当造成的损失我们不负责。
2022-08-14 09:05:13
170.4MB
1
该数据集是一个针对日文漫画的 机器翻译 评估数据集，包含五部不同风格（幻想、爱情、战斗、悬疑、生活）的漫画，数据集中共包含 1593 个句子，848 个场景画面和 214 页漫画，由东京大学 Mantra 团队发布。
数据格式：带注释的 JSON 文件和原始图像
2022-07-13 16:05:27
34.26MB
维汉智能翻译，可以在维语学习、维文工作和新疆旅游等各种场景中应用到。
——主要功能：
1、智能翻译：支持维语、塔吉克语、汉语、英语、俄语等多语言互译，新疆维吾尔语语言库，维文聊天很方便，翻译精准。
2、图片识别：维语汉语文字识别，扫描识别图片上的维文字和汉文，工作上使用非常实用。
3、人工翻译：维吾尔语专业译者，提供一对一高质量维汉翻译服务，翻译过程严谨，内容保密。
4、收藏功能：翻译后可以收藏维文句子、维语单词，边查边学，有助于学习维语，随时查看；建立词条收藏，高效分类高效学习。
5、每日一言：维汉双语语库，精美图文。
6、维语学习：设立维语基础学习板块、常用词汇、会话等内容。
7、互助社区：在社区里可以讨论维语学习、翻译等问题。
8、在线听书：收录热门文章、经典名著、个人成长、儿童图书和小说合辑等图书。
——电脑版本：
2021年初上线维吾尔语翻译电脑网页版——准橙云智能翻译，可以批量识别维文图片和文档下载。
——联系我们：
对我们有任何建议或问题，欢迎使用APP内的“联系我们”，我们会以最快速度给你反馈和解决问题，联系反馈邮箱：2697671860@qq.com。
2022-07-12 11:02:06
56.49MB
1
语料来源为WMT18，本资源包含中英文的平行语料50000句，以及简单预处理后的文件。中文预处理：去除标点、数字，分词；英文预处理：去除标点、数字，大小写转换。可以用来做简单的神经机器翻译练习使用。
2022-07-06 19:41:24
7.59MB
1
matlab代码左移神经机器翻译（seq2seq）教程
作者：Thang
Luong，Eugene
Brevdo，赵瑞（，）
此版本的教程要求。
要使用稳定的TensorFlow版本，请考虑其他分支，例如。
如果您使用此代码库进行研究，请引用。
介绍
序列到序列（seq2seq）模型（，）在各种任务（例如机器翻译，语音识别和文本摘要）中都取得了巨大的成功。
本教程为读者提供了对seq2seq模型的全面理解，并展示了如何从头开始构建具有竞争力的seq2seq模型。
我们专注于神经机器翻译（NMT）的任务，这是带有wild的seq2seq模型的第一个测试平台。
所包含的代码轻巧，高质量，可立即投入生产，并结合了最新的研究思路。
我们通过以下方式实现这一目标：
使用最新的解码器/注意包装器，TensorFlow
1.2数据迭代器
结合我们在构建递归模型和seq2seq模型方面的专业知识
提供有关构建最佳NMT模型和复制的提示和技巧。
我们认为，提供人们可以轻松复制的基准非常重要。
结果，我们提供了完整的实验结果，并在以下公开可用的数据集上对我们的模型进行了预训练：
小型：由ET提供的TED演
2022-06-15 20:56:44
832KB
1
nmt.matlab, 神经机器翻译系统的训练状态代码 基于神经网络的神经网络的有效方法本文介绍了基于神经网络的神经机器翻译系统中训练神经机器翻译系统的代码，并给出了基于神经网络的。插件功能：多层双语编码解码器模型：gpu支持。注意机制：全局模型和局部模型。beam搜索解码器：可以解
2022-06-15 20:43:40
1.39MB
1