metadata
license: apache-2.0
library_name: transformers
datasets:
- IlyaGusev/gazeta
language:
- ru
pipeline_tag: summarization
tags:
- summarization
- summarizer
- суммаризатор
- text-generation-inference
widget:
- text: >-
В одном из зоопарков Петербурга пингвин по имени Гектор решил, что пора
искать себе пару и отправился в авантюрное путешествие прямо из своего
вольера. Сотрудники зоопарка утром обнаружили пропажу и начали поиски, но
Гектор уже прошел через весь город, пытаясь даже заказать кофе на Невском
проспекте. Приключения пингвина вызвали восторг у жителей города, которые
делились фото и видео в соцсетях с комментариями от "Может, ему просто
надоела рыба?" до "Гектор ищет любовь, давайте поможем ему!". В конце
концов, Гектора нашли и вернули в зоопарк, где ему обещали подыскать
подругу. Эта история не только развеселила горожан, но и напомнила о том,
что даже у пингвинов есть сердца, способные на большую любовь, а Гектор
стал настоящей звездой, символом неутомимого стремления к своей мечте.
example_title: Summarization Example 1
Russian text summarizer was fine-tuned from ai-forever/ruT5-base model and trained on ~60k rows samples' dataset.
Example Usage:
model_name = "sarahai/ruT5-base-summarizer"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
device = torch.device("cpu") #if you are using cpu
input_text = "текст на русском" #your input in russian
input_ids = tokenizer(input_text, return_tensors="pt").input_ids.to(device)
outputs = model.generate(input_ids, max_length=100, min_length=50, length_penalty=2.0, num_beams=4, early_stopping=True) #change according to your preferences
summary = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(summary)
References Hugging Face Model Hub T5 Paper Disclaimer: The model's performance may be influenced by the quality and representativeness of the data it was fine-tuned on. Users are encouraged to assess the model's suitability for their specific applications and datasets.