Zero Shot Nlp Classifier Multi Lang

Zero Shot Nlp Classifier Multi Lang

在 Gradio 页面里用几个所列的零样本模型，不经训练就把跨语言文本归入你选的标签，适合分析师、研究人员和 NLP 开发者。

由 iamkb 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Gradio 应用把文本归入你给出的类别，不需要训练。这种做法叫零样本分类。记录里列出了六个模型，从名字看，其中有多语言的语言模型和一个语言识别模型。

适合谁：它适合需要给多种语言的文本打标签、并想在同一输入上比较几个模型的分析师、研究人员和开发者。记录没有给出控件说明，所以要靠点点看来熟悉页面。

行业 | 使用者 | 使用方式 | 例子
研究 | 文本分析师 | 用自己定义的类别给文本打标签 | 输入一句话和几个候选标签
客户支持 | 客服团队 | 不训练模型就按主题给消息分类 | 对一条消息试试账单或配送之类的标签
软件 | NLP 开发者 | 在同一输入上比较几个零样本模型 | 把同一段文字交给不同模型

如果你有标注数据，想要训练好的分类器，可以跳过它。

用在哪里：

• 网页浏览器，在 Hugging Face 上的 Space 页面里
• 装有 Python 的 Windows、macOS 或 Linux，用下载的副本运行

用例 | 适合谁 | 得到什么
用你的类别给文本打标签 | 分析师 | 你给的每个标签的得分
测试多语言输入 | 研究人员 | 模型处理其他语言的表现
比较模型 | 开发者 | 几个所列模型的输出

如何设置：

• 如果用在线 Space，什么都不用装
• 只有运行副本时才需要在电脑上装 Python
• requirements.txt 里列出的依赖包

1. 在浏览器里打开 Space 页面，无需安装就能使用。
2. 想运行副本，先安装 Hugging Face Hub 包，再下载这个 Space。
3. 进入新文件夹，然后安装 Gradio 和清单里的依赖。
4. 用 Python 启动应用。

pip install -U huggingface_hub
hf download iamkb/zero-shot-nlp-classifier-multi-lang --repo-type space --local-dir zero-shot-nlp-classifier-multi-lang
cd zero-shot-nlp-classifier-multi-lang
pip install gradio
pip install -r requirements.txt
python app.py

如何使用：在线使用时，打开 Space，用页面上的控件操作。在自己的电脑上，则在 Space 文件夹里运行主文件，再使用它提供的页面。记录没有列出这些控件，请看页面。

python app.py

示例：你打开 Space，输入一句话和几个你自己想的标签。应用会返回每个标签与这句话的契合程度。记录里没有示例，所以具体输入要看页面。

新手与专家：通常分类器必须用每个标签的示例来训练。零样本分类省掉了这一步，所以你可以直接输入自己的标签，马上得到排序。先用一句短话和两三个清楚的标签试试。

如果你熟悉这个领域，所列的模型大多是自然语言推理模型，用来给出标签是否能从文本中推出的得分，另有一个是语言识别模型。结果取决于模型和你标签的措辞，记录没有给出准确率数据。

你输入文本和候选标签
页面可能先识别语言
所选模型给每个标签打分
页面显示排序

注意事项：

• License: MIT，Space 上就是这样标注的
• Cost to run: 未提及
• Data it reaches: 你输入的文本和标签，以及它所列的六个模型
• Not for: 记录没有列出排除项，也没有给出准确率数据

Hugging Face 上的数据（2026年11月13日）

• 点赞：5
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/iamkb/zero-shot-nlp-classifier-multi-lang
• 文件：https://huggingface.co/spaces/iamkb/zero-shot-nlp-classifier-multi-lang/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。