Hub documentation
在 Hugging Face 上使用 Stanza
单点登录(SSO) 审计日志 存储区域 用于私有数据集的 Data Studio 资源组(访问控制) 高级计算选项 高级安全 令牌管理 服务账号 发布者分析 门控组集合 网络安全 下载分析 速率限制 博客文章
PRO 计划 仓库 入门仓库 仓库设置 存储限制 存储后端(Xet) 本地缓存 Pull Requests 与 Discussions 通知 集合 Webhooks GitHub Actions Notebooks 后续步骤 许可证
模型 模型中心 模型卡片 评估结果 排行榜数据 受限模型 上传模型 下载模型 集成库
数据集 Spaces 适配器 AllenNLP BERTopic Asteroid Diffusers ESPnet fastai Flair Keras TF-Keras(旧版) 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
模型小部件 模型推理 模型下载统计 模型发布检查清单 硬件 本地应用 常见问题 高级主题 Spaces 概览 Spaces GPU 升级 Spaces ZeroGPU Spaces 开发模式 Spaces 磁盘使用量与存储 Spaces 自定义域名 Spaces 作为 MCP 服务器 Spaces 作为智能体工具 将 Spaces 用作 API 端点 Gradio Spaces Streamlit Spaces 静态 HTML Spaces Docker Spaces 嵌入您的 Space 使用 Docker 运行 Spaces Spaces 配置参考 使用 HF 登录按钮 精选 Spaces Spaces 更新日志 高级主题
存储桶 new 容器镜像 new 任务 智能体 智能体概述 Hugging Face AI 智能体 CLI Hugging Face MCP 服务器 Hugging Face Agent Skills 使用 HF SDK 构建智能体 使用 llama.cpp 的本地代理 Agent 库 会话跟踪格式
其他 在 Hugging Face 上使用 Stanza
stanza 是一套用于多种人类语言语言分析的准确且高效的工具集。从原始文本到句法分析和实体识别,Stanza 将最先进的 NLP 模型应用于您选择的语言。
在 Hub 中探索 Stanza
您可以在模型页面左侧通过筛选找到stanza模型。您可以找到 70 多种适用于不同语言的模型!
Hub 上的所有模型都具备以下功能:
- 自动生成的模型卡片,包含简要描述和有助于提高可发现性的元数据标签。
- 一个交互式小部件,可直接在浏览器中用于体验该模型(适用于命名实体识别和词性标注)。
- 一个推理提供商(Inference Providers)小部件,用于发起推理请求(用于命名实体识别和词性标注)。
使用现有模型
stanza 库会自动从 Hub 下载模型。您可以使用 stanza.Pipeline 从 Hub 下载模型并执行推理。
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共享您的模型
要添加新的官方 Stanza 模型,您可以按照添加新语言的流程操作,然后与 Stanza 团队共享您的模型。您还可以在此处找到将模型上传到 Hub 的官方脚本:这里。
其他资源
stanza文档。