README.md

metadata

title: Resumen Automático Es
emoji: 👀
colorFrom: gray
colorTo: green
sdk: gradio
sdk_version: 5.23.2
app_file: app.py
pinned: false
license: cc-by-nc-4.0
short_description: Resumen automático en español

Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

📖 Resumen Automático en Español

📌 Objetivo

Este proyecto tiene como objetivo desarrollar una aplicación interactiva en Hugging Face Spaces para la generación automática de resúmenes en español, utilizando el modelo preentrenado mrm8488/bert2bert_shared-spanish-finetuned-summarization.

🔧 Pasos Realizados

1️⃣ Exploración del Modelo

• Accedimos a Hugging Face Models y buscamos modelos para resumen en español.
• Seleccionamos el modelo mrm8488/bert2bert_shared-spanish-finetuned-summarization, especializado en generar resúmenes en español.
• Revisamos la documentación del modelo.

2️⃣ Configuración del Entorno y Creación del Space

• Se creó una cuenta en Hugging Face.
• Se generó un nuevo Space con Gradio como framework.
• Se añadió el archivo requirements.txt con las dependencias necesarias:

  transformers
  gradio
  torch
  

3️⃣ Desarrollo de la Aplicación

• Se cargó el modelo en app.py con el siguiente código:

  from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline
  import gradio as gr
  
  tokenizer = AutoTokenizer.from_pretrained("mrm8488/bert2bert_shared-spanish-finetuned-summarization")
  model = AutoModelForSeq2SeqLM.from_pretrained("mrm8488/bert2bert_shared-spanish-finetuned-summarization")
  
  resumidor = pipeline("summarization", model=model, tokenizer=tokenizer)
  

• Se creó la función para generar resúmenes.
• Se diseñó una interfaz con Gradio para permitir la interacción del usuario.

4️⃣ Despliegue y Pruebas

• Se subieron los archivos app.py y requirements.txt al Space.
• Se ejecutó la aplicación y se realizaron pruebas con textos en español.

🎯 Cómo Usar la Aplicación

1. Accede al Space en Hugging Face (https://huggingface.co/spaces/iabd10/resumen-automatico-es).
2. Introduce un texto largo en español en la caja de entrada.
3. La aplicación generará un resumen automático utilizando el modelo preentrenado.

🗣️ Discusión

El uso de modelos preentrenados en Hugging Face ofrece múltiples ventajas:

• Permite generar resúmenes de forma rápida y eficiente sin necesidad de entrenamiento adicional.
• Facilita el procesamiento de grandes volúmenes de texto de manera estructurada.
• Su integración con Gradio simplifica la implementación de interfaces interactivas.

Los Spaces de Hugging Face proporcionan una plataforma accesible para compartir modelos y aplicaciones interactivas sin necesidad de infraestructura propia. Algunas mejoras futuras incluyen:

• Implementar opciones avanzadas de ajuste de resumen.
• Permitir la generación de resúmenes en múltiples idiomas.
• Integrar visualizaciones para comparar textos originales y resumidos.

¡Gracias por revisar este proyecto! 🚀