anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
用微调过的 XTTS v2 模型把突尼斯阿拉伯语方言的文字变成语音,可以用内置的男声或女声,也可以用你上传的声音。适合需要突尼斯方言语音的人。
TTS Tounsi 是一款工具包,属于效率类,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 Nouira-Oussema/TTS-Tounsi --repo-type space --local-dir TTS-Tounsi cd TTS-Tounsi
这个 Space 把用突尼斯阿拉伯语方言写的文字变成语音。它使用 Coqui TTS 的 XTTS v2,并在突尼斯方言录音上做了微调。你选一个参考声音,生成的语音会跟着它走。
它适合需要听到突尼斯方言朗读的人,比如给脚本配音的创作者,以及想听书面文字发音的学习者。开发者也可以读一读 Gradio 页面是怎样封装语音模型的。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 媒体 | 视频和音频创作者 | 为一段突尼斯阿拉伯语短脚本配音 | 把一句旁白变成可以听的片段 |
| 教育 | 教师和学习者 | 听听书面突尼斯方言是什么发音 | 在课堂上用一个句子之前先听听它的声音 |
| 研究 | 语音研究者 | 试用 XTTS v2 的方言微调版 | 对比男声、女声和上传的参考声音 |
| 软件 | 开发者 | 阅读 app.py 和示例声音文件 | 看看语音模型是怎样封装进 Gradio 页面的 |
如果你的文字是其他语言或方言,可以跳过它,因为这个模型是针对突尼斯方言调整的。
这个页面可以在两个地方使用。
| 使用场景 | 谁 | 得到什么 |
|---|---|---|
| 为脚本配音 | 创作者 | 跟随你所选声音的突尼斯方言语音 |
| 听一个句子 | 学习者和教师 | 用突尼斯阿拉伯语写的文字的语音版本 |
| 用你自己的声音做参考 | 有一小段录音的人 | 由你上传的 6 到 30 秒音频塑造的语音 |
在线的 Space 不需要这些步骤。要运行本地副本,你需要先准备好这些。
下面是 Hugging Face 给出的本地副本步骤。
pip install -U huggingface_hub hf download Nouira-Oussema/TTS-Tounsi --repo-type space --local-dir TTS-Tounsi cd TTS-Tounsi pip install gradio==5.0.0 pip install -r requirements.txt python app.py
打开 Space 页面,或者用下面的命令启动本地副本。用突尼斯阿拉伯语输入你的文字,选一个参考声音,然后按下生成声音的按钮,听听结果。
python app.py
| 工具 | 作用 |
|---|---|
| 文本框 | 接收你用突尼斯阿拉伯语输入的文字 |
| 参考声音 | 让你选男声、女声或你自己上传的音频 |
| Générer la voix | 生成语音,让你播放 |
你输入一个突尼斯阿拉伯语短句,选择女声。你按下生成按钮,页面就会用这个声音把你的句子播放出来。如果想用自己的声音,就上传一段 6 到 30 秒的录音。
文字转语音就是让电脑把文字读出来。先选一个现成的声音,输入一个突尼斯阿拉伯语短句,然后播放结果。只上传你有权使用的声音。
底层用的是 Coqui TTS 的 XTTS v2 的微调版,在突尼斯方言音频上训练。参考音频用来引导声音,片段长度为 6 到 30 秒,输出采样率为 24 kHz。仓库里带有男声和女声的示例文件,这个 Space 运行在 Hugging Face 的 cpu-basic 硬件上。来源没有说明一次运行要多久。
下面几点值得先看一眼。
用微调过的 XTTS v2 模型把突尼斯阿拉伯语方言的文字变成语音,可以用内置的男声或女声,也可以用你上传的声音。适合需要突尼斯方言语音的人。
由 Nouira-Oussema 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:这个 Space 把用突尼斯阿拉伯语方言写的文字变成语音。它使用 Coqui TTS 的 XTTS v2,并在突尼斯方言录音上做了微调。你选一个参考声音,生成的语音会跟着它走。
适合谁:它适合需要听到突尼斯方言朗读的人,比如给脚本配音的创作者,以及想听书面文字发音的学习者。开发者也可以读一读 Gradio 页面是怎样封装语音模型的。
行业 | 谁在用 | 怎么用 | 例子
媒体 | 视频和音频创作者 | 为一段突尼斯阿拉伯语短脚本配音 | 把一句旁白变成可以听的片段
教育 | 教师和学习者 | 听听书面突尼斯方言是什么发音 | 在课堂上用一个句子之前先听听它的声音
研究 | 语音研究者 | 试用 XTTS v2 的方言微调版 | 对比男声、女声和上传的参考声音
软件 | 开发者 | 阅读 app.py 和示例声音文件 | 看看语音模型是怎样封装进 Gradio 页面的
如果你的文字是其他语言或方言,可以跳过它,因为这个模型是针对突尼斯方言调整的。
用在哪里:这个页面可以在两个地方使用。
使用场景 | 谁 | 得到什么
为脚本配音 | 创作者 | 跟随你所选声音的突尼斯方言语音
听一个句子 | 学习者和教师 | 用突尼斯阿拉伯语写的文字的语音版本
用你自己的声音做参考 | 有一小段录音的人 | 由你上传的 6 到 30 秒音频塑造的语音
如何设置:在线的 Space 不需要这些步骤。要运行本地副本,你需要先准备好这些。
下面是 Hugging Face 给出的本地副本步骤。
pip install -U huggingface_hub
hf download Nouira-Oussema/TTS-Tounsi --repo-type space --local-dir TTS-Tounsi
cd TTS-Tounsi
pip install gradio==5.0.0
pip install -r requirements.txt
python app.py
如何使用:打开 Space 页面,或者用下面的命令启动本地副本。用突尼斯阿拉伯语输入你的文字,选一个参考声音,然后按下生成声音的按钮,听听结果。
python app.py
工具 | 作用
文本框 | 接收你用突尼斯阿拉伯语输入的文字
参考声音 | 让你选男声、女声或你自己上传的音频
Générer la voix | 生成语音,让你播放
示例:你输入一个突尼斯阿拉伯语短句,选择女声。你按下生成按钮,页面就会用这个声音把你的句子播放出来。如果想用自己的声音,就上传一段 6 到 30 秒的录音。
新手与专家:文字转语音就是让电脑把文字读出来。先选一个现成的声音,输入一个突尼斯阿拉伯语短句,然后播放结果。只上传你有权使用的声音。
底层用的是 Coqui TTS 的 XTTS v2 的微调版,在突尼斯方言音频上训练。参考音频用来引导声音,片段长度为 6 到 30 秒,输出采样率为 24 kHz。仓库里带有男声和女声的示例文件,这个 Space 运行在 Hugging Face 的 cpu-basic 硬件上。来源没有说明一次运行要多久。
你输入突尼斯阿拉伯语文字
你选男声、女声或上传的声音
微调后的 XTTS v2 模型生成语音
你播放页面返回的音频
注意事项:下面几点值得先看一眼。
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 |
|---|---|---|---|---|
| TTS Tounsi 本页 | 5 | gradio | mit | |
| MusicGen共有 gradio | 5,116 | gradio | cc-by-nc-4.0 | |
| Kokoro TTS共有 gradio | 3,556 | gradio | apache-2.0 | |
| Background Removal共有 gradio | 2,988 | gradio | mit | |
| Omni Image Editor共有 gradio | 2,922 | gradio | mit | |
| Diffusers Image Outpaint共有 gradio | 2,565 | gradio | apache-2.0 |
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
op7418 · 技能
能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。
zarazhangrui · 技能
从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。
iptv-org · 工具包
把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。