---
language:
- ru
- en
license: mit
tags:
- text-generation
- autocomplete
- t9
- gru
- rnn
- ngram
- low-latency
- edge-ai
pipeline_tag: text-generation
---

# 🚀 C3-Lite: Contextual Neural Autocomplete Engine

**C3-Lite** — компактная гибридная система предиктивного ввода и контекстного автодополнения текста (Next-Word / Word-Completion), объединяющая **N-граммы (L1)** и **символьную 2×GRU нейросеть (L2)** с аппаратной защитой от зацикливаний и синтаксического дрейфа.

* 📦 **Hugging Face Репозиторий:** [longtimedevs/C3-Lite](https://huggingface.co/longtimedevs/C3-Lite)
* 🌐 **Сайт разработчика:** [long-time.ru](https://long-time.ru)
* ⚖️ **Лицензия:** MIT

---

## 💡 Особенности и преимущества

- **🛡️ Hard Anti-Loop Guard:**
  Полный запрет повторяющихся биграммных циклов ($A \to B \to A \to B$), триграммных петель и непосредственных дубликатов слов ($w_t \neq w_{t-1}$).
- **📐 Синтаксический контроль:**
  Встроенная фильтрация грамматической несогласованности (блокировка связок вроде *«a + plural»*, двух артиклей или предлогов подряд).
- **🧠 Долговременный контекст:**
  Скрытое состояние нейросети $h_T$ аккумулирует предшествующий текст (до 512 символов), сохраняя связность темы на протяжении всего предложения.
- **⚡ Экстремальная легковесность:**
  Вес всех артофактов модели на диске — всего **~15 МБ**, задержка отклика — **< 15 мс на CPU**.

---

## 🏗️ Архитектура C3-Lite

```text
[Контекст ввода пользователя (до 512 симв.)]
        │
        ├───► L1: N-Grams (Top-140k 3-грамм, Top-70k 2-грамм)
        │         └─► Быстрый отбор кандидатов с приоритетом живой речи
        │
        ├───► L2: 2×GRU Neural Network (Embed=128, Hidden=512, ~3.6M params)
        │         └─► Пакетная оценка беглости (fluency) от скрытого состояния h_T
        │
        ▼
[Grammar Filter + Hard Anti-Loop Guard]
        │
        ▼
[Top-3 кандидата без зацикливаний и смысловых сбоев]
```

---

## 🛠️ Быстрый старт

### 1. Установка зависимостей

```bash
pip install torch transformers safetensors
```

### 2. Загрузка и инференс через Transformers

```python
import torch
from transformers import AutoModel, AutoTokenizer

REPO_ID = "longtimedevs/C3-Lite"

# Загрузка токенизатора и модели
tokenizer = AutoTokenizer.from_pretrained(REPO_ID, use_fast=False)
model = AutoModel.from_pretrained(REPO_ID)
model.eval()

# Подготовка контекста
context = "we are not "
input_ids = torch.tensor([[tokenizer.char_to_id.get(c, 1) for c in context]], dtype=torch.long)

with torch.no_grad():
    outputs = model(input_ids)
    logits = outputs.logits
    print("Logits shape:", logits.shape)
```

### 3. Автономный запуск с клавиатурой Tkinter

Если вы используете монолитный скрипт `c3_lite.py`:

```bash
python c3_lite.py
```

Скрипт автоматически инициализирует движок и запустит темный графический интерфейс мобильной клавиатуры.

---

## 📊 Датасеты и обучение

Обучение проводилось с нуля на открытых корпусах:
- **OPUS Tatoeba (RU/EN)** — разговорные диалоги и бытовые фразы;
- **wikitext-103-raw-v1** — связный английский корпус с очисткой от энциклопедического шума;
- **atBuba/ruwiki-dataset** — очищенные русскоязычные предложения.

---

## 👨‍💻 Автор

Разработка: **LongTime**  
Официальный сайт проекта: **[long-time.ru](https://long-time.ru)**