Instructions to use NGDtuanh/abook-analyzer with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use NGDtuanh/abook-analyzer with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf NGDtuanh/abook-analyzer:Q8_0
# Run inference directly in the terminal:
llama cli -hf NGDtuanh/abook-analyzer:Q8_0

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf NGDtuanh/abook-analyzer:Q8_0
# Run inference directly in the terminal:
llama cli -hf NGDtuanh/abook-analyzer:Q8_0

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf NGDtuanh/abook-analyzer:Q8_0
# Run inference directly in the terminal:
./llama-cli -hf NGDtuanh/abook-analyzer:Q8_0

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf NGDtuanh/abook-analyzer:Q8_0
# Run inference directly in the terminal:
./build/bin/llama-cli -hf NGDtuanh/abook-analyzer:Q8_0

Use Docker

docker model run hf.co/NGDtuanh/abook-analyzer:Q8_0

LM Studio
Jan

vLLM

How to use NGDtuanh/abook-analyzer with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "NGDtuanh/abook-analyzer"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "NGDtuanh/abook-analyzer",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/NGDtuanh/abook-analyzer:Q8_0

Ollama
How to use NGDtuanh/abook-analyzer with Ollama:
```
ollama run hf.co/NGDtuanh/abook-analyzer:Q8_0
```
Unsloth Desktop

How to use NGDtuanh/abook-analyzer with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf NGDtuanh/abook-analyzer:Q8_0

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "NGDtuanh/abook-analyzer:Q8_0"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use NGDtuanh/abook-analyzer with Docker Model Runner:
```
docker model run hf.co/NGDtuanh/abook-analyzer:Q8_0
```

Lemonade

How to use NGDtuanh/abook-analyzer with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull NGDtuanh/abook-analyzer:Q8_0

Run and chat with the model

lemonade run user.abook-analyzer-Q8_0

List all available models

lemonade list

Hermes Agent

How to use NGDtuanh/abook-analyzer with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf NGDtuanh/abook-analyzer:Q8_0

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default NGDtuanh/abook-analyzer:Q8_0

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use NGDtuanh/abook-analyzer with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf NGDtuanh/abook-analyzer:Q8_0

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "NGDtuanh/abook-analyzer:Q8_0" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

abook-speaker:v1

Per-line speaker attribution model for ABook: given one dialogue or thought line of a Vietnamese novel, with its surrounding paragraphs and the speakers already assigned before it, answers who speaks it as {"speaker": ...} under ABook's own prompt and schema. Qwen3-4B-Instruct-2507 + LoRA (r=16), merged, GGUF Q8_0 (3.99 GiB). Apache-2.0.

Model xác định người nói của ABook. Sau khi model phân tích (abook-analyzer:v5) làm xong cả quyển, ABook hỏi lại model này người nói của TỪNG câu thoại và nội tâm, mỗi câu một lời gọi, với cùng cửa sổ văn bản mà người nghe sẽ thấy quanh câu ấy. Loại câu (kể, thoại, nội tâm) vẫn là của model phân tích. Chạy được trên card NVIDIA 8 GB, cộng khoảng 6 % thời gian phân tích. Chỉ đi cặp với abook-analyzer:v5: app khoá cặp model theo từng cuốn, sách phân tích bằng model khác không chạy lượt này.

Dùng

Studio của ABook tự tải khi cài hoặc khi bấm "Cập nhật Studio", không phải làm gì.

Dùng tay: tải abook-speaker-v1.Q8_0.gguf và Modelfile vào cùng một thư mục, kiểm SHA-256 (156f08246478eac7de78cfe61bcca2d14df75c6fdcb0b2e896738676c341e69a), rồi chạy:

ollama create abook-speaker:v1 -f Modelfile

Gửi "think": false, format là schema {"speaker": string}, nhiệt độ 0, hạt 0, num_ctx 16384 như ABook (abook/speaker_pass.py). Model chỉ học đúng đề của ABook, hỏi theo kiểu khác thì không có gì bảo đảm.

Huấn luyện

Nền: Qwen/Qwen3-4B-Instruct-2507 (Apache-2.0).
Công thức như model phân tích v5: LoRA r=16, alpha 32, dropout 0,05 trên mọi lớp chiếu; 1 epoch; lr 1e-4 cosine; hạt 1234. LoRA được gộp vào model nền rồi xuất GGUF Q8_0.
Loss chỉ tính trên câu trả lời: model học gán nhãn, không học sinh lại văn bản truyện.
Dữ liệu: 5.724 mẫu, mỗi mẫu là một câu thoại hoặc nội tâm trong một khối đoạn liền nhau (4-8 câu nói), kèm 9 đoạn trước, 6 đoạn sau chỉ để đọc tiếp và danh sách nhân vật đã biết. Nhãn từ đáp án chuẩn của dự án. Chương dùng để đo không bao giờ vào dữ liệu huấn luyện. Văn bản truyện không được phát hành.

Kết quả đo

Chỉ số: độ đúng người nói theo giọng nghe, sau đúng các bước chuẩn hoá tên mà app chạy (khoá tên, ghép biệt danh), trên 56 chương chưa học so với đáp án chuẩn. Cùng nội dung chương, cùng loại câu của model phân tích; chỉ khác nhãn người nói.

bộ đo	model phân tích một mình (v5)	v5 + lượt người nói	chênh
56 chương (hạt 1234)	73,96	79,00	+4,98
56 chương (hạt 1)	73,59	78,51	+4,92
cổng 19 chương (hạt 1234)	77,62	81,32	+3,7

Chênh sau khi trừ sai số: +1,69 điểm (hệ số 2,4, độ lệch giữa các hạt 0,23, SE 1,37). Cả hai hạt cùng hướng.

Chi phí: khoảng 58 giây mỗi chương trên card 8 GB, cộng khoảng 6 % thời gian phân tích.

Giấy phép

Apache-2.0, như model nền Qwen3-4B-Instruct-2507.

Downloads last month: 231

GGUF

Model size

4B params

Architecture

qwen3

Hardware compatibility

8-bit

Model tree for NGDtuanh/abook-analyzer

Base model

Qwen/Qwen3-4B-Instruct-2507

Finetuned

(2619)

this model