Hub documentation
Hugging FaceでのStanzaの使用
シングルサインオン(SSO) 監査ログ ストレージリージョン プライベートデータセット用の Data Studio リソースグループ(アクセス制御) 高度な計算オプション 高度なセキュリティ トークン管理 サービスアカウント パブリッシャー分析 ゲーティンググループコレクション ネットワークセキュリティ ダウンロード分析 レート制限 ブログ記事
PRO Plan リポジトリ リポジトリの入門 リポジトリ設定 ストレージの制限 ストレージバックエンド (Xet) ローカルキャッシュ Pull Requests と Discussions 通知 コレクション Webhooks GitHub Actions ノートブック 次のステップ ライセンス
モデル モデルハブ モデルカード 評価結果 リーダーボードデータ ゲート付きモデル モデルのアップロード モデルのダウンロード 統合ライブラリ
データセット アダプター AllenNLP BERTopic Asteroid Diffusers ESPnet fastai Flair Keras TF-Keras(レガシー) ML-Agents mlx-image MLX OpenCLIP PaddleNLP peft RL-Baselines3-Zoo Sample Factory Sentence Transformers SetFit spaCy SpanMarker SpeechBrain Stable-Baselines3 Stanza TensorBoard timm Transformers Transformers.js Unity Sentis
モデルウィジェット モデル推論 モデルのダウンロード統計 モデルリリースチェックリスト ハードウェア ローカルアプリ よくある質問 高度なトピック Datasetsの概要 Dataset Cards Gated Datasets Datasets のアップロード データセットのアップロード(LLM用) データのダウンロード ストリーミングデータセット 統合ライブラリ Data Studio エージェントのトレース Datasets ダウンロード統計
Spaces Spaces 概要 Spaces GPU アップグレード Spaces ZeroGPU Spaces Dev Mode Spaces ディスク使用量とストレージ Spaces カスタムドメイン SpacesをMCPサーバーとして Spacesをエージェントツールとして Spaces を API エンドポイントとして利用する Gradio Spaces Streamlit Spaces 静的 HTML Spaces Docker Spaces Space を埋め込む Docker で Spaces を実行する Spaces 設定リファレンス HFでサインイン 注目のスペース Spaces 変更履歴 高度なトピック
ストレージバケット new コンテナイメージ new ジョブ ジョブの概要 クイックスタート 料金と請求 ジョブの管理 設定 Dockerイメージの使用 モデルのサービング モデルの学習 例とチュートリアル 大規模なデータセットの処理 ジョブのスケジュール設定 Webhook 自動化 リファレンス
エージェント エージェントの概要 AIエージェント向けHugging Face CLI Hugging Face MCP Server Hugging Face Agent Skills HF SDK を用いたエージェントの構築 llama.cppによるローカルエージェント エージェントライブラリ セッショントレース形式
その他 Hugging FaceでのStanzaの使用
stanzaは、多くの自然言語の言語分析に使用できる、正確かつ効率的なツールのコレクションです。生のテキストから構文解析やエンティティ認識まで、Stanzaは選択した言語に最先端のNLPモデルをもたらします。
HubにおけるStanzaの探索
モデルページの左側でフィルタリングすることで、stanzaのモデルを見つけることができます。70以上のモデルが、さまざまな言語に対応しています!
Hub上のすべてのモデルには、以下の機能が備わっています:
- 検索性を高めるための簡潔な説明とメタデータタグを備えた、自動生成されたモデルカード。
- ブラウザ上でモデルを直接試すことができるインタラクティブなウィジェット(名詞句認識と品詞タグ付け用)。
- 推論プロバイダーウィジェット。名前実体認識と品詞付与の推論リクエストを行うことができます。
既存のモデルを使用する
stanza ライブラリは、Hub からモデルを自動的にダウンロードします。stanza.Pipeline を使用して、Hub からモデルをダウンロードし、推論を実行できます。
import stanza
nlp = stanza.Pipeline('en') # download th English model and initialize an English neural pipeline
doc = nlp("Barack Obama was born in Hawaii.") # run annotation over a sentenceモデルの共有
新しい公式のStanzaモデルを追加するには、新しい言語を追加するプロセスに従い、その後、Stanzaチームにモデルを共有することができます。また、Hubにモデルをアップロードするための公式スクリプトはこちらで確認できます。
追加のリソース
stanzaのドキュメント。