Este modelo es una versión finetuneada de Llama 3.1 8B diseñada específicamente para la generación de estructuras de contenido (matrices) para Landing Pages de renta de autos y hoteles, optimizadas para SEO.

📝 Descripción del Modelo

El modelo ha sido entrenado para transformar parámetros técnicos (Marca, Tema, Template) en una matriz de contenido completa que sigue la jerarquía visual y técnica de la agencia:

Formato de salida: Estructura de bloques delimitada por pipes (| PG: | BLQ: | TIPO: | ES: |).
Tono de voz: Experto en Marketing Digital y SEO, profesional y persuasivo.
Restricciones: No usa emojis, no usa negritas con ** y respeta estrictamente la jerarquía de etiquetas (H1, H2, FAQ, etc.).

🚀 Uso (Inferencia)

Para obtener los mejores resultados, utiliza el formato Alpaca y asegúrate de proporcionar el contexto completo.

python

from unsloth import FastLanguageModel
import torch

model, tokenizer = FastLanguageModel.from_pretrained("tu-usuario/nombre-del-modelo")
FastLanguageModel.for_inference(model)

alpaca_prompt = """### Instruction:
Generar el contenido para una landing page siguiendo el tono de voz de la marca y la estructura de bloques indicada.

### Input:
TEMA: {tema}
MARCA: {marca}
TEMPLATE: {template}

### Response:
"""

inputs = tokenizer([alpaca_prompt.format(
    "Alquiler de autos en Miami",
    "Viajemos",
    "Template Agencias"
)], return_tensors = "pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens = 2048)
print(tokenizer.decode(outputs[0]))

NrengifoBTS/redactoria_V3

redactoria_V3 : GGUF

Available Model files:

Redactoria V1 - Matrix Structure Generator 🚗🏢

📝 Descripción del Modelo

🚀 Uso (Inferencia)

NrengifoBTS/
redactoria_V3