Gibun

Gibunは、日本語のフェイク文章を生成するライブラリです。

形態素解析とマルコフ連鎖を使用し、ある程度自然な文章を生成します。

GPTなどの生成AIを使用するほどでもない、テストデータ生成などでご使用ください。

デモ

下記でデモを確認できます。ブラウザのみで動いています。

https://mohhh-ok.github.io/gibun/

インストール

``bash
npm i -D gibun
`

デフォルトでは軽量なtiny-segmenterを使用します。より高精度な形態素解析が必要な場合は、kuromojinを追加でインストールしてください。

`bash
npm i -D gibun kuromojin
`

使い方

$3

デフォルトではtiny-segmenterによる形態素解析を使用します。

`typescript
import { Gibun } from 'gibun';

const gibun = new Gibun();

// プリセットを読み込む
await gibun.trainPreset('business');

// 文章を生成
const result = gibun.generate({ minLength: 30, maxLength: 50 });
console.log(result);
`

$3

より高精度な形態素解析が必要な場合は、createKuromojinTokenizerを使用できます。

`typescript
import { Gibun, createKuromojinTokenizer } from 'gibun';

// kuromojinを使用するインスタンスを作成
const gibun = new Gibun({
tokenizer: createKuromojinTokenizer()
});

await gibun.trainPreset('business');
const result = gibun.generate({ minLength: 30, maxLength: 50 });
console.log(result);
`

独自のTokenizerを実装することもできます。

`typescript
import { Gibun, Token } from 'gibun';

// カスタムTokenizerを作成
const customTokenizer = async (text: string): Promise => {
// 独自の形態素解析処理
const tokens = yourCustomAnalyzer(text);
return tokens.map(token => ({
value: token.surface,
isNoun: token.partOfSpeech === '名詞'
}));
};

const gibun = new Gibun({
tokenizer: customTokenizer
});
`

$3

独自文章をトレーニングすることも可能です。

`typescript
import { Gibun } from 'gibun';

const gibun = new Gibun();

await gibun.train(
私はその人を常に先生と呼んでいた。だからここでもただ先生と書くだけで本名は打ち明けない。
これは世間をはばかる遠慮というよりも、そのほうが私にとって自然だからである。
私はその人の記憶を呼び起こすごとに、すぐ「先生」と言いたくなる。
筆を執っても心持ちは同じことである。
よそよそしい頭かしら文も字じなどはとても使う気にならない。
);

const result = gibun.generate({ minLength: 20, maxLength: 30 });
console.log(result); // 自然だからである。これは同じことである。私は同じことで本名は
`

プリセット一覧

以下のプリセットをサンプルとして同梱しています。

$3


- business - ビジネス文書風（議事録、報告書など）
- sns - SNS投稿風（カジュアルな短文、絵文字入り）
- blog - ブログ記事風（です・ます調の説明文）
- news - ニュース記事風（客観的な報道文）

$3

- profile_business - ビジネス向けプロフィール文
- profile_sns - SNS向けプロフィール文

$3

- cat - 吾輩は猫である（夏目漱石）

API

$3

事前に用意されたプリセットを使用してトレーニングします。

`typescript
gibun.trainPreset(preset: PresetName): Promise
`

パラメータ:
- preset: プリセット名（文字列）

例:
`typescript
await gibun.trainPreset('business');
await gibun.trainPreset('sns');
await gibun.trainPreset('cat');
`

$3

文章を渡します。

`typescript
gibun.train(text: string | string[], options?: { split?: boolean }): Promise
`

パラメータ:
- text: トレーニング用の文章（文字列または文字列配列）
- options.split: true の場合、句点で文章を自動分割します（デフォルト: false）

例:
`typescript
await gibun.train('吾輩は猫である。');
await gibun.train(['名前はまだ無い。', 'どこで生れたかとんと見当がつかぬ。']);
await gibun.train('吾輩は猫である。名前はまだ無い。', { split: true });
`

$3

文章を生成します。

`typescript
gibun.generate(params?: { minLength: number, maxLength?: number }): string
`

パラメータ:
- minLength: 最小文字数（デフォルト: 100）
- maxLength: 最大文字数（省略可）

例:
`typescript
gibun.generate({ minLength: 20, maxLength: 30 });
gibun.generate({ minLength: 50 }); // maxLengthなし
`

Tokenizerについて

$3

デフォルトではtiny-segmenterを使用します。

メリット:
- 軽量で高速
- Node.js・ブラウザ両対応
- 辞書不要

デメリット:
- 名詞の抽出ができないため、生成文章の冒頭が不自然になる可能性がある

$3

より高精度な形態素解析にはkuromojinを使用できます。

メリット:
- 名詞の抽出により生成文章の冒頭が安定する
- 高精度な形態素解析

デメリット:
- Node.jsのみ対応（ブラウザ未対応）
- 辞書ファイルの読み込みが必要

$3

独自の形態素解析エンジン（MeCab、Sudachiなど）を使用することも可能です。Tokenizer型に準拠した関数を実装してください。

`typescript
type Token = {
value: string; // トークンの文字列
isNoun: boolean; // 名詞かどうか
};

type Tokenizer = (text: string) => Promise;
`

複数インスタンスの管理

異なるトレーニングデータやTokenizerを分離して管理できます。

`typescript
import { Gibun, createKuromojinTokenizer } from 'gibun';

// ビジネス用（高精度）
const businessGibun = new Gibun({
tokenizer: createKuromojinTokenizer()
});
await businessGibun.trainPreset('business');
const businessText = businessGibun.generate({ minLength: 30, maxLength: 50 });

// SNS用（軽量）
const snsGibun = new Gibun(); // デフォルトのtiny-segmenterを使用
await snsGibun.trainPreset('sns');
const snsText = snsGibun.generate({ minLength: 20, maxLength: 40 });
``

ライセンス

MIT