DeepSeek-R1-GGUF
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
把一段视频转成适用于任何物种或物体的预测 3D 姿态骨架,并提供 BVH 和 npy 文件下载。可以把动作重定向到与视频里不同的骨架上。
MoCapAnything V2 是一款工具包,属于开发类,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 kehong/MoCapAnythingV2 --repo-type space --local-dir MoCapAnythingV2 cd MoCapAnythingV2
MoCapAnything V2 是一个针对任意骨架的动作捕捉工具。你选一段视频,再选一个目标物种或物体,它就会预测出一个 3D 姿态骨架。目标可以和视频里的不一样,这叫重定向。然后你可以把动作下载为 BVH 和 npy 文件。
需要从视频中获取动作数据的动画师、游戏开发者和计算机视觉研究人员,包括需要把动作用到与被拍摄对象不同的生物上的人,都适合用它。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 动画 | 动画师 | 把视频变成可以载入动画工具的骨架动作 | 下载一段视频对应的 BVH 文件 |
| 游戏 | 游戏开发者 | 把动作重定向到另一个物种的骨架上 | 选另一个物种作为目标 |
| 研究 | 计算机视觉研究人员 | 在多种骨架上测试动作捕捉 | 运行演示,读 npy 输出 |
| 教育 | 学生 | 看看视频是怎么变成 3D 姿态数据的 | 比较输入视频和骨架结果 |
只靠这个 Space 就想得到网格渲染或成品动画的人可以跳过,因为它展示的是骨架输出。
它可以在这些地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 从视频捕捉动作 | 动画师 | 一个预测出的 3D 姿态骨架 |
| 重定向到另一个骨架 | 游戏开发者 | 适用于另一个物种或物体的动作 |
| 导出动作 | 研究人员和动画师 | BVH 和 npy 下载文件 |
在线使用这个 Space 只需要浏览器。在你自己的电脑上运行一份副本,需要下面这些。
pip install -U huggingface_hub hf download kehong/MoCapAnythingV2 --repo-type space --local-dir MoCapAnythingV2 cd MoCapAnythingV2 pip install gradio==6.20.0 pip install -r requirements.txt python app.py
打开 Space 页面,或者在你的电脑上运行应用,再打开 Gradio 显示的页面。选一段视频,选目标物种或物体,然后运行。
python app.py
| Tool | What it does |
|---|---|
| 视频 | 包含动作的输入片段 |
| 目标物种或物体 | 要预测的骨架,可以和输入不同 |
| 骨架输出 | 显示预测出的 3D 姿态骨架 |
| BVH 和 npy 下载 | 存放预测动作的文件 |
你选一段一个人走路的视频,再选一个不同的物种作为目标。你会得到该目标的 3D 姿态骨架,以及可以下载的 BVH 和 npy 文件。
动作捕捉就是记录身体怎么动。在这里,记录的是一段普通视频,结果是一个动作相同的骨架。第一件可以试的小事,是在线打开这个 Space,用一小段视频。
这个项目列出了一个权重仓库和一份示例数据集。Space 只展示骨架输出。项目代码仓库里的本地演示还增加了 Blender 3D 网格渲染和 Dance Anything 标签页,在那里,一段舞蹈视频加上音乐,就能让一只动物表演这支舞。这个 Space 设为在 Hugging Face 的 zero-a10g 硬件上运行。
额外的标签页属于本地演示,所以这个 Space 展示的内容比完整项目少。
把一段视频转成适用于任何物种或物体的预测 3D 姿态骨架,并提供 BVH 和 npy 文件下载。可以把动作重定向到与视频里不同的骨架上。
由 kehong 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:MoCapAnything V2 是一个针对任意骨架的动作捕捉工具。你选一段视频,再选一个目标物种或物体,它就会预测出一个 3D 姿态骨架。目标可以和视频里的不一样,这叫重定向。然后你可以把动作下载为 BVH 和 npy 文件。
适合谁:需要从视频中获取动作数据的动画师、游戏开发者和计算机视觉研究人员,包括需要把动作用到与被拍摄对象不同的生物上的人,都适合用它。
Industry | Who uses it | How they use it | Example
动画 | 动画师 | 把视频变成可以载入动画工具的骨架动作 | 下载一段视频对应的 BVH 文件
游戏 | 游戏开发者 | 把动作重定向到另一个物种的骨架上 | 选另一个物种作为目标
研究 | 计算机视觉研究人员 | 在多种骨架上测试动作捕捉 | 运行演示,读 npy 输出
教育 | 学生 | 看看视频是怎么变成 3D 姿态数据的 | 比较输入视频和骨架结果
只靠这个 Space 就想得到网格渲染或成品动画的人可以跳过,因为它展示的是骨架输出。
用在哪里:它可以在这些地方运行。
Use case | Who | What they get back
从视频捕捉动作 | 动画师 | 一个预测出的 3D 姿态骨架
重定向到另一个骨架 | 游戏开发者 | 适用于另一个物种或物体的动作
导出动作 | 研究人员和动画师 | BVH 和 npy 下载文件
如何设置:在线使用这个 Space 只需要浏览器。在你自己的电脑上运行一份副本,需要下面这些。
pip install -U huggingface_hub
hf download kehong/MoCapAnythingV2 --repo-type space --local-dir MoCapAnythingV2
cd MoCapAnythingV2
pip install gradio==6.20.0
pip install -r requirements.txt
python app.py
如何使用:打开 Space 页面,或者在你的电脑上运行应用,再打开 Gradio 显示的页面。选一段视频,选目标物种或物体,然后运行。
python app.py
Tool | What it does
视频 | 包含动作的输入片段
目标物种或物体 | 要预测的骨架,可以和输入不同
骨架输出 | 显示预测出的 3D 姿态骨架
BVH 和 npy 下载 | 存放预测动作的文件
示例:你选一段一个人走路的视频,再选一个不同的物种作为目标。你会得到该目标的 3D 姿态骨架,以及可以下载的 BVH 和 npy 文件。
新手与专家:动作捕捉就是记录身体怎么动。在这里,记录的是一段普通视频,结果是一个动作相同的骨架。第一件可以试的小事,是在线打开这个 Space,用一小段视频。
这个项目列出了一个权重仓库和一份示例数据集。Space 只展示骨架输出。项目代码仓库里的本地演示还增加了 Blender 3D 网格渲染和 Dance Anything 标签页,在那里,一段舞蹈视频加上音乐,就能让一只动物表演这支舞。这个 Space 设为在 Hugging Face 的 zero-a10g 硬件上运行。
你选一段视频
你选目标物种或物体
模型预测一个 3D 姿态骨架
你下载 BVH 和 npy 文件
注意事项:额外的标签页属于本地演示,所以这个 Space 展示的内容比完整项目少。
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 5 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 |
|---|---|---|---|---|
| MoCapAnything V2 本页 | 16 | gradio | mit | |
| FLUX.1 [dev]共有 gradio | 9,583 | gradio | mit | |
| InstantID共有 gradio | 3,659 | gradio | apache-2.0 | |
| Chat With Janus-Pro-7B共有 gradio | 2,036 | gradio | mit | |
| PhotoMaker共有 gradio | 1,960 | gradio | apache-2.0 | |
| Z Image Turbo共有 gradio | 1,940 | gradio | apache-2.0 |
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
prithivMLmods · 工具包
提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。
Phips · 工具包
用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。