Strophe

Strophe は、Stanza の観測可能な意味論との互換性を目指す C++20 製のネイティブ実行器です。Python API は nanobind で公開し、ビルドには scikit-build-core と CMake、Python 環境・依存関係の管理には uv を使います。

通常の pip または uv 等でインストールできます。

pip install strophe # pip

uv add strophe # uv

現在は native schema、model bundle loader に加え、LangID、多言語 tokenizer、 MWT、POS、lemma、depparse、NER、sentiment、constituency、coref の native inference に加え、MorphSeg の native inference を実装しています。 POS、depparse、NER、sentiment、constituency は static embedding に加え ATen charLM と LibTorch Transformer profile を扱えます。coref は LoRA adapter を変換時に基底 Transformer へ融合し、 AOTInductor と ATen の scoring head で実行します。 UTF-8 バイト列と Python の code point index の対応を保持する SoA storage 上に、次の軽量 view を実装しています。

Document
Sentence
Token
Word
Span
ConstituencyTree
CorefMention / CorefChain / CorefAttachment

Document.sentences、Sentence.tokens、Sentence.words、Token.words、 Span.tokens などは Python list を毎回作るのではなく、negative index、slice、 iterator、reversed()、in に対応した native sequence view を返します。 to_dict() は互換境界として実際の list[list[dict]] を生成します。

全 processor は型付きで登録済みです。

langid, tokenize, mwt, pos, lemma, depparse, ner, sentiment,
constituency, coref, morphseg

依存関係と提供 annotation を公開し、Pipeline 構築時に順序を検証します。 langid、tokenize、mwt、pos、lemma、depparse、ner、sentiment、 constituency、coref、morphseg は変換済み bundle を CPU/float32 の ATen 演算で実行します。MorphSeg は Embedding → 2 層 BiLSTM → 線形射影 → GELU → 線形分類 → argmax を ATen で実行し、入力語はシステム ICU の NFKC → case fold → NFC で正規化します。 Transformer encoder は変換時に torch.export / AOTInductor で対象環境用の LibTorch package にコンパイルし、C++ から Python 依存の torch が提供する共有ライブラリで実行します。それ以外の processor は引き続き ProcessorNotImplementedError を明示的に送出します。lemma bundle が POS を使う場合は、Pipeline 構築時にも pos を必須 annotation として扱います。公開 API を単独で実行できる小さな例は examples/ にまとめています。

データモデル

Stanza の Document.to_dict() と同じ flattened MWT 形式から native storage を構築できます。

import strophe

doc = strophe.Document.from_dict(
    [
        [
            {
                "id": 1,
                "text": "Stanford",
                "lemma": "Stanford",
                "upos": "PROPN",
                "head": 0,
                "deprel": "root",
                "start_char": 0,
                "end_char": 8,
                "ner": "S-ORG",
            }
        ]
    ],
    text="Stanford",
)

assert doc.sentences[0].words[0].lemma == "Stanford"
assert doc.ents[0].type == "ORG"
assert isinstance(doc.to_dict(), list)

processor の構成とロード状態も問い合わせられます。tokenizer/MWT を実行するには、 converter の --output-dir と同じ root を model_dir に渡します。default package は index.json にある対象 processor の concrete package が一つならそれを選択します。

pipeline = strophe.Pipeline(
    "en",
    processors="tokenize,mwt",
    model_dir="models",
    resources_version="1.14.0",
)

doc = pipeline("I can't believe it works.")

assert pipeline.processors[0].implemented is True
assert [token.text for token in doc.sentences[0].tokens] == [
    "I",
    "can't",
    "believe",
    "it",
    "works",
    ".",
]
assert [word.text for word in doc.sentences[0].tokens[1].words] == [
    "ca",
    "n't",
]

processor ごとに異なる bundle package を選ぶ場合は、download() と同じ processor-to-package mapping を package に渡せます。mapping にない processor は "default" として解決されます。

pipeline = strophe.Pipeline(
    "en",
    processors="tokenize,pos,ner",
    package={
        "tokenize": "combined_nocharlm",
        "pos": "combined_charlm",
        "ner": "ontonotes-ww-multi_charlm",
    },
    model_dir="models",
)

開発

Python 3.10 以降、C++20 対応コンパイラ、CMake、Python package の torch、 Highway、ICU が必要です。CMake は build に使う Python へ torch の CMake prefix を問い合わせ、NO_DEFAULT_PATH でその package に限定して LibTorch を解決します。Highway は Python と独立して runtime dispatch を行い、標準の CMake config package として find_package() で探索します。ICU の Unicode common component は find_package(ICU COMPONENTS uc) の ICU::uc target としてシステムリンクします。通常の CMake search path にない場所へ導入した場合は、 STROPHE_HIGHWAY_ROOT と STROPHE_ICU_ROOT、または CMAKE_PREFIX_PATH を指定できます。

uv build --wheel \
  -Ccmake.define.STROPHE_HIGHWAY_ROOT="/path/to/highway" \
  -Ccmake.define.STROPHE_ICU_ROOT="/path/to/icu"

wheel build では STROPHE_BUNDLE_NATIVE_DEPENDENCIES=ON が既定です。 find_package() が公開した Highway の imported target が共有ライブラリなら、推移的な非システム依存も strophe/.libs へ収容し、相対 runtime path から読み込みます。静的ライブラリは _strophe にリンク済みなのでコピーしません。PyTorch の共有ライブラリは同梱せず、 Python 依存の torch package から読み込みます。OS package 用など、実行環境の共有ライブラリを使う build では次のように無効化できます。

uv build --wheel \
  -Ccmake.define.STROPHE_BUNDLE_NATIVE_DEPENDENCIES=OFF

第三者へ wheel を配布する場合は、実際に同梱された Highway とその推移依存について、各ライセンスの再配布条件も満たす必要があります。 ICU は wheel へ同梱せず、実行環境のシステム ICU を使用します。

scikit-build-core の build directory は build/ に固定しているため、clangd は build/compile_commands.json をそのまま参照できます。通常の unit/E2E test は Strophe の公開契約とリポジトリ内で生成する deterministic な tiny bundle だけを使い、Stanza の実行環境や checkpoint を必要としません。

uv sync --group dev
uv run pytest

converter 自体を開発するときだけ、Stanza、Transformers、PEFT を含む converter group を追加します。

uv sync --group dev --group converter

wheel と source distribution は次のコマンドで作成できます。

uv build

ドキュメントは Zensical と mkdocstrings-python で生成します。

uv run --group doc zensical serve
uv run --group doc zensical build --strict

通常の CPython 3.10〜3.14 に加え、別 ABI の free-threaded CPython 3.14t を対象にします。共有可能な model object、Document の所有規則、GIL と ATen thread pool の扱いは thread safety の契約を参照してください。

ベンチマーク

benchmarks/ に固定コーパス、Strophe／Stanza の独立 runner、hyperfine 比較、両実装用の Torch Profiler entry point を用意しています。例えば full pipeline は次のように比較できます。

uv run --group converter python -m benchmarks.compare \
  --model-dir models \
  --processors tokenize,mwt,pos,lemma,depparse \
  --documents 32 \
  --iterations 5 \
  --runs 10

変換時に保存された models/<resources-version>/ は Stanza の model root として再利用します。比較条件、結果のexport、Processorごとのpackage指定、個別 profilingの詳細は benchmark guideを参照してください。

性能最適化は、同じ bundle、dtype、ATen 演算、演算順序、batch boundary、 argmax / top-k / Viterbi / MST の tie-break を維持する範囲に限定します。ロード時の immutable Tensor view・LSTM state のキャッシュ、不要な Tensor / std::vector 往復の除去、出力 buffer の事前確保、Unicode・subword 列の単一走査など、算術結果に触れないデータパイプライン改善を優先します。再学習、蒸留、量子化、低精度化、近似復号、fast-math は性能プロファイルにも導入しません。

Stanza モデル変換

変換器は stanza.download() と同じ resource catalog の package、alias、MWT、依存モデル解決を行います。catalog とモデルをバージョン別 cache に保存し、各 checkpoint の MD5 を検証します。Stanza の default.zip shortcut は使わず、変換元を個別に追跡できるよう同じ package を個別モデルへ展開します。

Stropheのwheelとsdistには、Stanza checkpoint、language pack、word vector、変換済みbundleを含めません。モデルは利用者の環境で取得・変換され、選択したモデルとその学習データ固有のライセンスが引き続き適用されます。変換済みbundleは StropheのApache-2.0ライセンスへ移行しません。

変換環境は Stanza と resource のバージョンを完全一致させます。

Python API は download と native bundle への変換を一度に行います。同じ resource catalog と checkpoint から作成済みの検証済み bundle は再利用されます。変換依存は uv sync --group converter、配布 package では strophe[converter] で導入できます。

pip install "strophe[converter]" # pip

uv add "strophe[converter]" # uv

import strophe

converted = strophe.download(
    ["ja", "fr"],
    processors="tokenize",
    resources_version="1.14.0",
)

tokenize に対応する MWT は resource catalog から自動追加されます。LangID モデルも同じ公開 API で準備できます。

strophe.download("multilingual", processors="langid")

MorphSeg は Stanza resources JSON に checkpoint がないため、公開済みの Morphological-Segmentation safetensors を言語ごとの固定 commit と SHA-256 で取得します。対応言語は cs,en,es,fr,hu,it,la,mn,ru、concrete package 名は tuseg です。

strophe.download("en", processors="tokenize,morphseg")

pipeline = strophe.Pipeline(
    "en",
    processors="tokenize,morphseg",
    model_dir="models",
)
document = pipeline("Unhappiness")
print(document.sentences[0].words[0].morphemes)

LangID・多言語 pipeline・bulk

MultilingualPipeline は LangID を一度 bulk 実行し、判定言語ごとに文書をまとめて言語別 native Pipeline へ渡します。言語 pipeline は LRU cache され、未変換モデルは既定で公開 resource catalog から遅延 download・変換されます。

import strophe

pipeline = strophe.MultilingualPipeline(
    processors="tokenize",
    package={"tokenize": "combined_nocharlm"},
    lang_configs={
        "ja": {},
        "fr": {
            "package": {"tokenize": "combined"},
        },
    },
    restrict=True,
)

documents = pipeline.bulk_process(
    [
        "これは日本語です。",
        "Ceci est une phrase française.",
    ]
)

assert [document.lang for document in documents] == ["ja", "fr"]

自動 download を禁止する場合は auto_download=False を指定します。通常の Pipeline にも bulk_process() と同義の process_many() があり、 pipeline([...]) も使えます。文字列列・Document 列のどちらも入力順を保って処理します。

uv add "strophe[converter]"
uv run strophe-convert convert \
  --lang en \
  --processors tokenize \
  --package default \
  --resources-version 1.14.0 \
  --output-dir models

英語の native UD 導線（tokenize → MWT → POS → lemma → depparse）をまとめて変換する例です。tokenizer package に対応する MWT は catalog から自動的に追加されます。

uv run strophe-convert convert \
  --lang en \
  --processors tokenize,pos,lemma,depparse \
  --package combined_nocharlm \
  --resources-version 1.14.0 \
  --output-dir models

静的 embedding の NER profile は次のように変換できます。

uv run strophe-convert convert \
  --lang en \
  --processors ner \
  --package ontonotes-ww-multi_nocharlm \
  --resources-version 1.14.0 \
  --output-dir models

英語の既定 sentiment profile と tokenizer は、依存する pretrain と双方向 charLM を含めて同じ公開 API から準備できます。

from pathlib import Path

import strophe

model_dir = Path("models")
strophe.download(
    "en",
    processors="tokenize,sentiment",
    model_dir=model_dir,
    output_dir=model_dir,
)

pipeline = strophe.Pipeline(
    "en",
    processors="tokenize,sentiment",
    model_dir=model_dir,
)
document = pipeline("This movie was wonderful.")
assert document.sentences[0].sentiment in (0, 1, 2)

現在、公式 Trainer / model loader を経由する変換アダプタは langid、 tokenize、mwt、pos、lemma、depparse、ner、sentiment、 constituency、coref、morphseg、 forward_charlm、backward_charlm に対応しています。 POS/depparse/NER/sentiment/constituency の pretrain 行列・語彙と charLM dependency も公式 loader で復元して bundle に内包します。checkpoint が Transformer を使う場合は encoder と Stanza 固有の hidden-layer mix を一つの AOTInductor package へコンパイルし、bundle 内の transformer/ へ展開します。生成 DSO と Transformer weight blob は分離し、weight は LibTorch loader が mmap するため、大規模モデルでも巨大な DSO を dyld/loader に処理させません。この artifact は変換時の OS、CPU architecture、Torch minor version を対象にするため、利用する環境の torch で変換してください。未対応 processor を raw checkpoint のまま変換する fallback は、旧 key migration や外部依存を欠落させるため意図的に設けていません。

出力は Python pickle に依存しない次の構造です。

models/1.14.0/en/tokenize/combined_nocharlm.strophe/
├── manifest.json
├── assets.json
├── tensors.bin
└── transformer/            # Transformer profile の場合だけ

tensors.bin は 64-byte alignment の raw tensor 列、assets.json は vocab、辞書、config、manifest.json は source/dependency checksum、tensor table、任意 artifact の checksum を保持します。詳細は docs/model-bundle-v1.md を参照してください。

bundle は単独でも検証できます。

uv run strophe-convert verify \
  models/1.14.0/en/tokenize/combined_nocharlm.strophe

native loader は bundle identity、tensor range/alignment/dtype/shape を常に検証し、tensors.bin を read-only mmap します。公開 processor と Pipeline の標準経路では、起動時に大きな model artifact を再走査しないよう SHA-256 検証を省略します。配布物の完全性も確認したい場合は verify_checksums=True（Pipeline では verify_model_checksums=True）を明示してください。低水準の ModelBundle は検証用途のため既定で assets、tensor file、各 tensor と model artifact の SHA-256 を検証します。

import strophe

bundle = strophe.ModelBundle("models/1.14.0/en/tokenize/combined_nocharlm.strophe")

assert bundle.checksums_verified
assert bundle.tensor("embeddings.weight").shape == [240, 32]

pipeline = strophe.Pipeline(
    "en",
    model_dir="models",
    verify_model_checksums=True,
)

tokenizer は Stanza 1.14.0 と同じ character vocabulary/features、辞書 prefix/suffix 特徴、2段 bidirectional LSTM、token/sentence/MWT head、URL/email constraint、sentence break による長文 restart、文字 offset と whitespace 復元を実装しています。現在受理する native inference profile は多言語 no-charLM、hierarchical one-layer、float32/CPU です。辞書 tokenizer を使う日本語、中国語（簡体・繁体）、タイ語なども扱えます。未対応の bundle variant は近似実行せず TokenizerModelError で拒否します。

LangID は Stanza の文字 embedding、multi-layer bidirectional LSTM、文字ごとの linear score の総和を ATen で実行します。bulk 入力は code point 長ごとにまとめて推論し、langid_lang_subset の score mask にも対応します。

MWT/lemma は、共通の bidirectional LSTM encoder、LSTMCell、soft dot attention、copy gate、greedy/beam decoder を使います。beam は Stanza と同じ累積 score、ATen topk、backpointer、top beam の EOS 終了規則を保持します。 lemma は POS 別辞書から * fallback の順に検索し、未登録語だけを seq2seq へ送り、edit classifier と不正出力 fallback を適用します。MWT は辞書を優先し、 seq2seq checkpoint では同じ decoder を使います。Stanza 1.14.0 の英語 combined MWT は seq2seq ではなく character boundary classifier のため、その BiLSTM/2-class path も実装しています。

POS は Stanza の頻出語 embedding、pretrain embedding、attention 付き character LSTM、ATen charLM／LibTorch Transformer、2 層 bidirectional HighwayLSTM、UPOS linear head、XPOS/UFeats biaffine head を checkpoint の構成と同じ順序で実行し、 Word.upos、Word.xpos、Word.feats を更新します。句読点簡約と語彙の Unicode lower、言語により分解される composite XPOS の複数 head と再結合も Stanza と一致させています。

depparse は word/lemma/POS/pretrain/character embedding、bidirectional HighwayLSTM、deep biaffine の arc/relation head、linearization/distance 補正、 exactly-one-root Chu–Liu/Edmonds、subject/object の head constraint 修復をネイティブ実装し、Word.head と Word.deprel を更新します。複合 XPOS を使う言語では component ごとの embedding を加算します。Stanza v1.8.2 以降のソースには、UFeats 用の入力枠へ誤って POS embedding を再度渡す回帰があります。対応対象の 1.14 公開チェックポイントはそのグラフで学習されており、推論時だけ ufeats_emb に切り替えると未学習パラメータを使用します。このため bundle は duplicated_pos_emb を明示的な実行契約として記録します。修正版 profile はモデルの再学習を必要とします。

NER は static word embedding と学習語彙の delta embedding、単語単位の bidirectional character LSTM、ATen charLM／LibTorch Transformer、 bidirectional tagger LSTM、列別 linear head と CRF Viterbi 復号を実装します。 predict_tagset で公開列を選び、Stanza と同じ不正な singleton tag の修復後に Token.ner と Token.multi_ner を設定し、Document.ents を再構築します。

sentiment は Stanza の pretrain 語彙検索、学習済み UNK vector、任意の extra embedding、片方向または双方向 ATen charLM、LibTorch Transformer、任意の 2 層 bidirectional LSTM、多窓 2D convolution/max-pooling、全結合 head を同じ順序で実行します。文ごとの入力には Word ではなく Token.text を使い、予測 class index を Sentence.sentiment に設定します。classify_many() と bulk_process() は文長で安定 sort し、Stanza と同じ「合計 token 数」単位の batch を構成した後、元の順序へ戻します。現在の明示的な native profile は CNN model type です。ELMo、PEFT、forward 中に重みを変更する extra-embedding max-norm は近似せず変換時またはロード時に拒否します。Transformer profile は共通変換器が受理する WordPiece、RoBERTa byte-level BPE、XLM-R Unigram 構成を利用できます。

constituency は Word.text と checkpoint が指定する XPOS/UPOS を入力にし、 pretrain/delta/tag embedding、双方向 word LSTM、transition/constituent 履歴 LSTM、in-order transition legality、MAX constituent composition を ATen で実行して Sentence.constituency を設定します。parse()、parse_many()、 bulk_process() も公開します。現在の明示的な native profile は LSTMModel + IN_ORDER + MAX + LSTM history + ReLU です。parser attention、 Tree-LSTM 系 composition、maxout、PEFT は誤って近似せず変換時またはロード時に拒否します。Transformer profile は共通変換器が受理する WordPiece、RoBERTa byte-level BPE、XLM-R Unigram 構成を利用できます。

charLM は文字 embedding と forward/backward LSTM を ATen で実行し、Stanza と同じ改行・空白境界から単語表現を採取します。POS、depparse、NER、sentiment、 constituency に埋め込まれた dependency と、単独の CharLMPlan の両方で利用できます。

Transformer の subword tokenizer は C++ で実装しています。BERT normalizer + greedy WordPiece に加え、GPT-2/RoBERTa の byte alphabet・Unicode pretokenizer・ ranked BPE merge と、XLM-R の SentencePiece precompiled charsmap・Metaspace・ Unigram Viterbi を扱います。ASCII lowercase の hot path は Highway、反復する pretoken は固定長 cache を使い、各単語を Stanza と同じ subword alignment へ戻します。長文は processor ごとの overlap 規則で分割します。実装方針は gigatoken の短い token に対する単純な merge、cache、allocation 抑制を参考にしています。

coref は Stanza の CorefModel.load_model で checkpoint と PEFT adapter を復元し、safe_merge 後の出力一致を確認してから基底 encoder を torch.export し、AOTInductor package にコンパイルします。非 LoRA checkpoint は再構築した full-finetune／base encoder を同じ経路でコンパイルします。推論時は Python package の LibTorch が選ぶ SDPA と BLAS backend を使います。ネイティブ側では sentence-aware subword window、学習済み subword attention、 rough mention/antecedent scoring、distance/speaker feature、anaphoricity head、 span head と zero-anaphora head を実行し、CorefChain と各 word の CorefAttachment を復元します。zero mention は Stanza と同じ (word, empty_index) ID を持つ empty Word を生成し、その word に attachment を接続します。antecedent FFNN は checkpoint の a_scoring_batch_size 境界で chunk 化し、長文で完全な pair tensor を保持しません。各 sentence-aware window は動的 sequence 長のまま実行し、短い文を512 subword まで埋める masked padding は計算しません。実 token の Transformer 出力は固定長 padding 時と同一です。 CorefProcessor.process_bulk() は入力順を保持します。

大文字・小文字変換と isupper / islower 判定は ASCII 近似ではなく、 Python 3.13 と同じ Unicode 15.1 table を生成物として固定しています。表は tools/generate_unicode_case.py で再生成できます。

レイアウト

src/
├── strophe/                 # Python API
└── libstrophe/
    ├── include/strophe/     # 公開 C++ ヘッダー
    └── lib/                 # C++ 実装と nanobind bindings

ライセンス

StropheはApache License 2.0で提供されます。binary wheelへ組み込まれる第三者ソフトウェアの表示はTHIRD_PARTY_NOTICES.mdと LICENSES/を参照してください。モデル資産の扱いはドキュメントに分離して記載しています。

Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distributions

No source distribution files available for this release.See tutorial on generating distribution archives.

Built Distributions

If you're not sure about the file name format, learn more about wheel file names.

The dropdown lists show the available interpreters, ABIs, and platforms. Enable javascript to be able to filter the list of wheel files.

strophe-0.1.0-cp314-cp314t-win_amd64.whl (15.4 MB view details)

Uploaded Aug 3, 2026 CPython 3.14tWindows x86-64

strophe-0.1.0-cp314-cp314t-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (12.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.14tmanylinux: glibc 2.27+ x86-64manylinux: glibc 2.28+ x86-64

strophe-0.1.0-cp314-cp314t-manylinux_2_26_aarch64.manylinux_2_28_aarch64.whl (12.6 MB view details)

Uploaded Aug 3, 2026 CPython 3.14tmanylinux: glibc 2.26+ ARM64manylinux: glibc 2.28+ ARM64

strophe-0.1.0-cp314-cp314t-macosx_14_0_arm64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.14tmacOS 14.0+ ARM64

strophe-0.1.0-cp314-cp314-win_amd64.whl (15.4 MB view details)

Uploaded Aug 3, 2026 CPython 3.14Windows x86-64

strophe-0.1.0-cp314-cp314-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (12.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.14manylinux: glibc 2.27+ x86-64manylinux: glibc 2.28+ x86-64

strophe-0.1.0-cp314-cp314-manylinux_2_26_aarch64.manylinux_2_28_aarch64.whl (12.6 MB view details)

Uploaded Aug 3, 2026 CPython 3.14manylinux: glibc 2.26+ ARM64manylinux: glibc 2.28+ ARM64

strophe-0.1.0-cp314-cp314-macosx_14_0_arm64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.14macOS 14.0+ ARM64

strophe-0.1.0-cp313-cp313-win_amd64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.13Windows x86-64

strophe-0.1.0-cp313-cp313-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (12.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.13manylinux: glibc 2.27+ x86-64manylinux: glibc 2.28+ x86-64

strophe-0.1.0-cp313-cp313-manylinux_2_26_aarch64.manylinux_2_28_aarch64.whl (12.6 MB view details)

Uploaded Aug 3, 2026 CPython 3.13manylinux: glibc 2.26+ ARM64manylinux: glibc 2.28+ ARM64

strophe-0.1.0-cp313-cp313-macosx_14_0_arm64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.13macOS 14.0+ ARM64

strophe-0.1.0-cp312-cp312-win_amd64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.12Windows x86-64

strophe-0.1.0-cp312-cp312-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (12.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.12manylinux: glibc 2.27+ x86-64manylinux: glibc 2.28+ x86-64

strophe-0.1.0-cp312-cp312-manylinux_2_26_aarch64.manylinux_2_28_aarch64.whl (12.6 MB view details)

Uploaded Aug 3, 2026 CPython 3.12manylinux: glibc 2.26+ ARM64manylinux: glibc 2.28+ ARM64

strophe-0.1.0-cp312-cp312-macosx_14_0_arm64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.12macOS 14.0+ ARM64

strophe-0.1.0-cp311-cp311-win_amd64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.11Windows x86-64

strophe-0.1.0-cp311-cp311-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (12.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.11manylinux: glibc 2.27+ x86-64manylinux: glibc 2.28+ x86-64

strophe-0.1.0-cp311-cp311-manylinux_2_26_aarch64.manylinux_2_28_aarch64.whl (12.6 MB view details)

Uploaded Aug 3, 2026 CPython 3.11manylinux: glibc 2.26+ ARM64manylinux: glibc 2.28+ ARM64

strophe-0.1.0-cp311-cp311-macosx_14_0_arm64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.11macOS 14.0+ ARM64

strophe-0.1.0-cp310-cp310-win_amd64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.10Windows x86-64

strophe-0.1.0-cp310-cp310-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (12.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.10manylinux: glibc 2.27+ x86-64manylinux: glibc 2.28+ x86-64

strophe-0.1.0-cp310-cp310-manylinux_2_26_aarch64.manylinux_2_28_aarch64.whl (12.6 MB view details)

Uploaded Aug 3, 2026 CPython 3.10manylinux: glibc 2.26+ ARM64manylinux: glibc 2.28+ ARM64

strophe-0.1.0-cp310-cp310-macosx_14_0_arm64.whl (14.7 MB view details)

Uploaded Aug 3, 2026 CPython 3.10macOS 14.0+ ARM64

File details

Details for the file strophe-0.1.0-cp314-cp314t-win_amd64.whl.

File metadata

Download URL: strophe-0.1.0-cp314-cp314t-win_amd64.whl
Upload date: Aug 3, 2026
Size: 15.4 MB
Tags: CPython 3.14t, Windows x86-64
Uploaded using Trusted Publishing? Yes
Uploaded via: twine/7.0.0 CPython/3.13.14

File hashes

Hashes for strophe-0.1.0-cp314-cp314t-win_amd64.whl
Algorithm	Hash digest
SHA256	`66aed330de2678a11724effc210f06600b318b02c205a550f6d758961ae0b225`
MD5	`d83cf06873ac4d1902723126d735109c`
BLAKE2b-256	`d79edc4af73fa02474a59cbd4dc485ca43ca3e28e0733bfb258fedae07650146`

Algorithm	Hash digest
SHA256	`2c33b606442507e224735237bb9c1b859269b5a534a8d77c05e007136d3dd9fc`
MD5	`42ec4ff0a891a8bb748a44df59e3cf3d`
BLAKE2b-256	`d1d7224cf39dfe94710ba03fc80355984c2e84c59fe0c7e5e09e66b14f86088c`

Algorithm	Hash digest
SHA256	`5230001784c1b8aedb968ee68c4c230947abfadb8ccf646874daebdd97a5e501`
MD5	`3cea53d352bfc3e4ab758c229a97ff1e`
BLAKE2b-256	`2fbf2a1773d6165d82aac380d8fd7b51389e0c67066b6eabb7612e8ecb104ad6`

Algorithm	Hash digest
SHA256	`a604033f967f6661c30c519a7bb4e341f39674d281c37b43f86cf1d557578f15`
MD5	`2bfcd60954980665e67ac9bb834aaaeb`
BLAKE2b-256	`aa14f38856ec186a73ab331d6ae8046d21c7c6755788327abfe495e6f110bd8b`

Algorithm	Hash digest
SHA256	`dab1aff86ea086349c131af5c8933a3662364804bc3a54a711ccafe30fce0942`
MD5	`7a44e9e57addaf3641e14537d675e926`
BLAKE2b-256	`414ba4c1e35d0f15eaeed3a5b467576f3e04908e28f0c3b7e6cc5b932f1fb71f`

Algorithm	Hash digest
SHA256	`ba1b8df047e05f5550ef26df9c08ffe580a5d94a427f0955e7bd9ae83c9a5db1`
MD5	`557856310f3851e83c4b26505acf2bce`
BLAKE2b-256	`b5de91dffd449fb14cd1a1080a6b0effda10ea507707d226e7930c0180e01d21`

Algorithm	Hash digest
SHA256	`280685d585b8d711612688f690d54180c3f9471ed4a5a7cb58b4405c1f17c702`
MD5	`7635d628752acd7d39a00739c17934b1`
BLAKE2b-256	`ada6e8f523a59a9fbb2e3aa27c2761a4eb5467b864fe34fb878bad30c7d40f5c`

Algorithm	Hash digest
SHA256	`56ba69f5055e5f5c51a510390b9a20b4edfbd849de5e74ec118ea0995ba5dc46`
MD5	`8d0b9d89d4f10606dea2ef33b9c426fe`
BLAKE2b-256	`9802809243e94a119ef145304028b7ffe05d18014e10c10f8a101872b1500926`

Algorithm	Hash digest
SHA256	`778e2475e617958f4efe99c4640a37a594b3c047a62341e855a63ad1f9220498`
MD5	`3c4f7ae307825122ce79d71afa6a3f7d`
BLAKE2b-256	`03a99950152df10cd930be7093afa5640df1fc0b3b2016ef7043c78f27e9894d`

Algorithm	Hash digest
SHA256	`81373441022cefc467f15e88b9336f1e6f5969b48b536f72c2351aa57262a0ac`
MD5	`31128fd70dafec257e1142ba0b32527b`
BLAKE2b-256	`235108dba333d7d70bc8a125a47eba50819c89166c877d981003786f15110dfe`

Algorithm	Hash digest
SHA256	`fd8151b5859d7e804e71ea9e77482873cdf455f22c60331f050b8e29c94bbfbc`
MD5	`79aab96aaceec6ac6223058ca971c22b`
BLAKE2b-256	`ae3e8244d362a72a33fa9f2e88cafe6347a84bc9309b24c056af9771726d38da`

Algorithm	Hash digest
SHA256	`340afc6890d1a5ff0e616329e7df4cd04fbdead53010c672c5732d7a1eaaab8f`
MD5	`e310a01ec74698914b89d658c3c2b6c6`
BLAKE2b-256	`53c3c13d2e9481d63a55cc04afabf6a089e9e81aa2e8e00bccecdea8e642cd4f`

Algorithm	Hash digest
SHA256	`ab5d0732a15d80f1da72099dde03950ad409e4f4490cec17bb3c730bed369e0d`
MD5	`a6acb4293327fb70cb6c72a40a26bd1d`
BLAKE2b-256	`6c1d5a3be91ebc6ea6d2a703295efa7eaefe9b5728418e096a4b6a5379eaf7a2`

Algorithm	Hash digest
SHA256	`e7aefe15a119af6627523dae9d30b4755b787c1efce67994d500f0a27fd7e7d3`
MD5	`23f9861ee311163d5ec35ad1755eaae0`
BLAKE2b-256	`021ceca380748867922513e828d28c33b13d2386993434bd5c48e51c2a57747c`

Algorithm	Hash digest
SHA256	`e610a120189a0ecfa28dd50031b221371bd93cddcee686f4ad04e880f8bd9e7e`
MD5	`4d2464c3eb06cc72647007dbc3e77ba9`
BLAKE2b-256	`a3a2a1c70b5651f19d60e4fef28a7e0c1a0284c4c4b9cedd361018fb44b67bad`

Algorithm	Hash digest
SHA256	`4ad802cb781d76622edca17d122821ee3efb9d9861b0c50d1096720d31500bf3`
MD5	`da2c4c8eaa4ec96438a83c2fff67026e`
BLAKE2b-256	`aad33addad223091543244b6b3a37edd1567fb0433d8f61c42e51300254a3c1f`

Algorithm	Hash digest
SHA256	`c6e4731ae70d472aba28f03c8cce9cf59987ce9b12ccc53e725e2c5ecc258959`
MD5	`845e34520f486ded5912bfcb9b296e06`
BLAKE2b-256	`b5c962982389c1ced1788508e0c887e3a01de063b7a82d19d61a7e79d4312c57`

Algorithm	Hash digest
SHA256	`91cf0b773ba7cf5b5fb9fa9995732e9615ed439c2ec0945f88a731281fe32c63`
MD5	`429e9bb736ed78e2be77d295a94a15dc`
BLAKE2b-256	`794c411d18bf526c0504da00677337c23633c5587e5c606ee04b03e8ab791490`

Algorithm	Hash digest
SHA256	`eda102fdd7248f51f9f1672165530e80b2c87cd7e2ba2481cf9d56d798ec8ffa`
MD5	`27d6f8e9d4526a96e33ca6eb5a788545`
BLAKE2b-256	`aa766cb26288bfc3df4756c9d5955ecddb1b7a329674be75281c667ae1ee3932`

Algorithm	Hash digest
SHA256	`2c922ee7b7d847ee61cf6ff37c6e71e61fa5aeb46bf69f34094cd117c499567a`
MD5	`9ee373f904b0704eb73b72645f4c08c4`
BLAKE2b-256	`16e087aa518facb05fa1651f2d79be4a2e690d2fe955d5f2d2f3c317d3d09e47`

Algorithm	Hash digest
SHA256	`f2f4505c85d31c271129e9223a383c1654e03e6535b73eeb06bbae07f74cab35`
MD5	`ca7ed9930eb0859cdb5f82a698918e0a`
BLAKE2b-256	`0d092936522b6c3e954863fb5100271176b53911851f864afec46a9f2461ac6f`

strophe 0.1.0

Strophe

データモデル

開発

ベンチマーク

Stanza モデル変換

LangID・多言語 pipeline・bulk

レイアウト

ライセンス

Key dates

1 maintainer

License expression

Requires

Provides Extra

Classifiers

Download files

Source Distributions

Built Distributions

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

File hashes

Provenance

File details

File metadata

Algorithm	Hash digest
SHA256	`8c9754ef95575176979f2b0fb722b90470b5ba8bcfb93050463cf3f4621b7af7`
MD5	`a8df6a801810ccd07c18441ab2382fd3`
BLAKE2b-256	`9c2b806649adbb8802f3cad7782f25c7c96381da9307f40dccdf7f4cfbb005d5`

Algorithm	Hash digest
SHA256	`1bff1ebc7dcc43053610e29401b43dd29252ed8b646da46839803c2ed090fc63`
MD5	`915b4864a46e7845446e96ae2baacf5b`
BLAKE2b-256	`e435d8d9d44924c4542b32f081fcf0bf89169fc24dba847818749b40ba2fdbbc`

Algorithm	Hash digest
SHA256	`fffed5c1ccd3bfe9909e45fd9cf2aa2457ff50fe2e944fd4c55016d78f3c578d`
MD5	`7c1faf77c2742d32c393ce03a155b195`
BLAKE2b-256	`31a8ef094ca62ac4c028fde91d65d10833594377881ce5670333d9c6e47a7c0e`