Bonsai-27B-GGUF
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。
在浏览器演示里运行 VAST-AI 的 TripoSplat 模型,带自定义页面和内置示例输入。这个 Space 没有文字说明,想知道模型会生成什么,请看模型页面。
TripoSplat 是一款工具包,属于研究类,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 VAST-AI/TripoSplat --repo-type space --local-dir TripoSplat cd TripoSplat
这个 Space 是 VAST-AI 的 TripoSplat 模型的 Gradio 演示。它还提到了 BiRefNet 模型。页面是自定义的 index.html,仓库里有示例输入,演示在 Hugging Face 的 zero-a10g 硬件上运行。README 没有描述模型的输出是什么,所以这个页面只写仓库里能看到的内容。
适合关注 VAST-AI 的模型、想在浏览器里试用 TripoSplat 的人,也适合想看带自定义页面的 Gradio 应用是怎么搭起来的开发者。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| AI 研究 | 研究者 | 试用知名实验室的新模型 | 打开这个 Space,运行一个示例输入 |
| 软件 | 开发者 | 阅读带自定义页面的 Gradio 演示 | 查看 app.py、model.py 和 triposplat.py |
| 创意科技 | 好奇的创客 | 在读论文之前先测试模型 | 运行演示,看看输出 |
如果你需要书面指南,可以跳过它,因为来源没有给出用法说明。
你可以在这些地方使用它:
| Use case | Who | What they get back |
|---|---|---|
| 试用模型 | 好奇的人 | 模型对示例或你自己的输入给出的输出 |
| 阅读代码 | 开发者 | 一个小的 Gradio 应用,模型代码在单独的文件里 |
如果要在本地运行副本,你需要先准备:
在线页面不需要这些。若要运行你自己的副本,请按下面的步骤操作。
pip install -U huggingface_hub hf download VAST-AI/TripoSplat --repo-type space --local-dir TripoSplat cd TripoSplat pip install gradio==6.15.2 pip install -r requirements.txt python app.py
在浏览器里打开这个 Space,或者用下面的命令启动你自己的副本。然后在页面上选择或加载一个输入,并运行模型。
python app.py
你打开这个 Space,选一个内置的示例输入,并运行模型。页面会显示模型对这个输入返回的结果。来源没有说明输出是什么形式。
如果你是新手,打开这个 Space,先用示例输入,再试你自己的。到 Hugging Face 上读读模型页面,了解 TripoSplat 想要生成什么。
如果你熟悉这个领域,这个仓库很小。app.py 提供页面,model.py 和 triposplat.py 放着模型代码,example_inputs_b64.py 把示例输入存成 base64 文本。这个 Space 提到 VAST-AI/TripoSplat 和 ZhengPeng7/BiRefNet 这两个模型。
来源只通过文件和运行步骤来描述这个 Space。请到模型页面查看模型做什么、可以怎么使用。
在浏览器演示里运行 VAST-AI 的 TripoSplat 模型,带自定义页面和内置示例输入。这个 Space 没有文字说明,想知道模型会生成什么,请看模型页面。
由 VAST-AI 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 是 VAST-AI 的 TripoSplat 模型的 Gradio 演示。它还提到了 BiRefNet 模型。页面是自定义的 index.html,仓库里有示例输入,演示在 Hugging Face 的 zero-a10g 硬件上运行。README 没有描述模型的输出是什么,所以这个页面只写仓库里能看到的内容。
适合谁:适合关注 VAST-AI 的模型、想在浏览器里试用 TripoSplat 的人,也适合想看带自定义页面的 Gradio 应用是怎么搭起来的开发者。
Industry | Who uses it | How they use it | Example
AI 研究 | 研究者 | 试用知名实验室的新模型 | 打开这个 Space,运行一个示例输入
软件 | 开发者 | 阅读带自定义页面的 Gradio 演示 | 查看 app.py、model.py 和 triposplat.py
创意科技 | 好奇的创客 | 在读论文之前先测试模型 | 运行演示,看看输出
如果你需要书面指南,可以跳过它,因为来源没有给出用法说明。
用在哪里:你可以在这些地方使用它:
Use case | Who | What they get back
试用模型 | 好奇的人 | 模型对示例或你自己的输入给出的输出
阅读代码 | 开发者 | 一个小的 Gradio 应用,模型代码在单独的文件里
如何设置:如果要在本地运行副本,你需要先准备:
在线页面不需要这些。若要运行你自己的副本,请按下面的步骤操作。
pip install -U huggingface_hub
hf download VAST-AI/TripoSplat --repo-type space --local-dir TripoSplat
cd TripoSplat
pip install gradio==6.15.2
pip install -r requirements.txt
python app.py
如何使用:在浏览器里打开这个 Space,或者用下面的命令启动你自己的副本。然后在页面上选择或加载一个输入,并运行模型。
python app.py
示例:你打开这个 Space,选一个内置的示例输入,并运行模型。页面会显示模型对这个输入返回的结果。来源没有说明输出是什么形式。
新手与专家:如果你是新手,打开这个 Space,先用示例输入,再试你自己的。到 Hugging Face 上读读模型页面,了解 TripoSplat 想要生成什么。
如果你熟悉这个领域,这个仓库很小。app.py 提供页面,model.py 和 triposplat.py 放着模型代码,example_inputs_b64.py 把示例输入存成 base64 文本。这个 Space 提到 VAST-AI/TripoSplat 和 ZhengPeng7/BiRefNet 这两个模型。
打开 Space 页面
选择或加载一个输入
模型在 GPU 上运行
页面显示输出
注意事项:来源只通过文件和运行步骤来描述这个 Space。请到模型页面查看模型做什么、可以怎么使用。
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 4 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 |
|---|---|---|---|---|
| TripoSplat 本页 | 355 | gradio | mit | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
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。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。