anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
在 Gradio 页面里用一个专为求职信微调的 T5 模型起草求职信。适合想要初稿的求职者,也适合想看小型文本生成示例的开发者。
A_cover_letter_generator_for_jobs 是一款工具包,属于写作类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download Sakil/A_cover_letter_generator_for_jobs --repo-type space --local-dir A_cover_letter_generator_for_jobs cd A_cover_letter_generator_for_jobs
这是 Sakil 做的一个 Gradio 应用,用来起草求职申请的求职信。它列出一个模型:nouamanetazi/cover-letter-t5-base,从名字看,这是一个用于求职信的 T5 base 模型。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。
它适合想要一份初稿再修改的求职者,也适合想看小型文本生成模型怎样放进网页的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 职场 | 求职者 | 得到一份求职信的起始草稿 | 打开这个 Space,填入它要求的信息 |
| 教育 | 语言模型的学生 | 看一个微调过的 T5 模型怎样生成文字 | 把输出和自己写的信对照 |
| 软件 | Python 开发者 | 读 T5 模型怎样在 Gradio 里提供服务 | 下载这个 Space,打开 app.py |
如果你需要可以直接发出的信,可以跳过它,因为生成的草稿需要你自己修改并补上事实。
| 用途 | 谁用 | 得到什么 |
|---|---|---|
| 起草求职信 | 求职者 | 一份可以修改的求职信草稿 |
| 测试模型 | 学生 | 快速看看它怎样写 |
| 研究代码 | 开发者 | 一个加载单个 T5 模型的 app.py |
先准备好下面这些东西。
pip install -U huggingface_hub hf download Sakil/A_cover_letter_generator_for_jobs --repo-type space --local-dir A_cover_letter_generator_for_jobs cd A_cover_letter_generator_for_jobs pip install gradio pip install -r requirements.txt python app.py
在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。
python app.py
你在项目文件夹里运行 python app.py,打开页面并填入它要求的职位和你自己的信息。页面会返回一份求职信草稿,你再去修改它。
如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先用一个虚构的职位试一试。把草稿当作粗略的起点,而不是最终的信。
如果你懂这个领域,要注意这个 Space 只列出一个 T5 base 模型,由 app.py 加载。来源没有给出训练数据、长度限制或质量数字,所以请自己判断草稿的质量。
生成的信可能很笼统,也可能写错事实,所以发出之前请检查每一项说法,并补上你自己的细节。
在 Gradio 页面里用一个专为求职信微调的 T5 模型起草求职信。适合想要初稿的求职者,也适合想看小型文本生成示例的开发者。
由 Sakil 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。
它是什么:这是 Sakil 做的一个 Gradio 应用,用来起草求职申请的求职信。它列出一个模型:nouamanetazi/cover-letter-t5-base,从名字看,这是一个用于求职信的 T5 base 模型。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。
适合谁:它适合想要一份初稿再修改的求职者,也适合想看小型文本生成模型怎样放进网页的开发者。
行业 | 谁在用 | 怎么用 | 例子
职场 | 求职者 | 得到一份求职信的起始草稿 | 打开这个 Space,填入它要求的信息
教育 | 语言模型的学生 | 看一个微调过的 T5 模型怎样生成文字 | 把输出和自己写的信对照
软件 | Python 开发者 | 读 T5 模型怎样在 Gradio 里提供服务 | 下载这个 Space,打开 app.py
如果你需要可以直接发出的信,可以跳过它,因为生成的草稿需要你自己修改并补上事实。
用在哪里:
用途 | 谁用 | 得到什么
起草求职信 | 求职者 | 一份可以修改的求职信草稿
测试模型 | 学生 | 快速看看它怎样写
研究代码 | 开发者 | 一个加载单个 T5 模型的 app.py
如何设置:先准备好下面这些东西。
pip install -U huggingface_hub
hf download Sakil/A_cover_letter_generator_for_jobs --repo-type space --local-dir A_cover_letter_generator_for_jobs
cd A_cover_letter_generator_for_jobs
pip install gradio
pip install -r requirements.txt
python app.py
如何使用:在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。
python app.py
示例:你在项目文件夹里运行 python app.py,打开页面并填入它要求的职位和你自己的信息。页面会返回一份求职信草稿,你再去修改它。
新手与专家:如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先用一个虚构的职位试一试。把草稿当作粗略的起点,而不是最终的信。
如果你懂这个领域,要注意这个 Space 只列出一个 T5 base 模型,由 app.py 加载。来源没有给出训练数据、长度限制或质量数字,所以请自己判断草稿的质量。
打开 Space 或运行 app.py
Gradio 页面加载
你填入职位信息
T5 模型写出草稿
求职信显示在页面上
注意事项:生成的信可能很笼统,也可能写错事实,所以发出之前请检查每一项说法,并补上你自己的细节。
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。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| A_cover_letter_generator_for_jobs 本页 | 1 | gradio | apache-2.0 | |
| PROMPT++共有 gradio | 247 | gradio | apache-2.0 | |
| Hum to Song共有 gradio | 124 | gradio | cc-by-nc-4.0 | |
| humanizer共有 gradio | 51 | gradio | apache-2.0 | |
| Arabic Poetry Generator共有 gradio | 30 | gradio | cc-by-nc-4.0 | |
| Essay_generator_app共有 gradio | 4 | gradio | apache-2.0 |
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
vennify · 工具包
用在 JFLEG 数据集上训练的 T5 模型改写英文文本,减少语法错误。由 vennify 制作,适合想在 Python 里加入语法修正步骤的写作者、学生和开发者。
tencent · 工具包
在你自己的设备上用压缩到 1.25 比特的 1.8B 模型进行 33 种语言之间的翻译,GGUF 文件约 440 MB,适用于 llama.cpp。适合给应用加入离线翻译的开发者。
summerAIO · 工具包
用经过微调、采用 Gated DeltaNet 层的 27B 模型,对整本书长度的文字做摘要、问答和续写,支持英语和日语。适合处理长文档的人。