Mindket

Anime Image Labeller

新上架第 1 版 · 更新于

概览

一个 Gradio 应用,用仓库里训练好的模型文件给动漫图片打标签,附带标签列表和笔记本。适合想在浏览器里试用图片打标签的人。

Anime Image Labeller 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。

速览

你需要
  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
用在
  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
  • Jupyter 环境,用来打开这两个笔记本
先运行
pip install -U huggingface_hub
hf download curt-tigges/anime-image-labeller --repo-type space --local-dir anime-image-labeller
cd anime-image-labeller

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Anime Image Labeller 是 Hugging Face Spaces 上的一个 Gradio 应用,给动漫图片打标签。仓库里有两个训练好的模型文件、一份 classes.txt 标签列表、一个推理脚本、两个笔记本和一个测试文件夹。README 除了设置之外没有任何描述。

适合谁

它适合想在浏览器里试用动漫图片打标签的人,也适合想看训练好的图像模型、标签列表和笔记本如何放在一个项目里的学习者。

IndustryWho uses itHow they use itExample
艺术与插画爱好者在一幅动漫作品上试用打标签打开 Space,给它一张图片
机器学习学生阅读推理脚本和笔记本下载这个 Space,打开笔记本
内容标注开发者研究一个小型图像标注项目读 classes.txt,看标签集合

如果你需要有文档说明的准确率或训练数据,可以跳过它,因为 README 两者都没有给出。

用在哪里

  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
  • Jupyter 环境,用来打开这两个笔记本
Use caseWhoWhat they get back
给动漫图片打标签好奇的人浏览器里显示的这张图片的标签
学习图像打标签项目学习者模型文件、标签列表、一个脚本和两个笔记本

如何设置

在线使用什么都不用装。本地副本需要先准备这些。

  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 anime-image-labeller 的文件夹。
  3. 进入这个文件夹。
  4. 先安装 Gradio,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download curt-tigges/anime-image-labeller --repo-type space --local-dir anime-image-labeller
cd anime-image-labeller
pip install gradio
pip install -r requirements.txt
python app.py

如何使用

打开 Hugging Face 上的 Space 页面,给它一张图片。本地副本则在文件夹里运行 python app.py,再打开它启动的页面。

示例

你在 Space 页面上给应用一张动漫图片。它对图片运行训练好的模型,并显示它给这张图片分配的标签。

新手与专家

如果你是新手,打开 Space 页面,先试一张图片。打标签的意思是,模型从一个固定列表里挑出描述图片内容的词。

如果你懂这个领域,从文件名看,仓库里有一个训练了 40 轮的大模型和一个训练了 10 轮的基础模型。来源没有描述架构、数据和标签的含义。

  1. 你给应用一张动漫图片
  2. 推理脚本运行训练好的模型
  3. 分配的标签显示在页面上

注意事项

  • README 没有描述,所以标签集合和质量要看页面和 classes.txt 才清楚
  • 仓库较大,有 37 个文件,包括笔记本和测试
  • License: apache-2
  • Cost to run: 未提及
  • Data it reaches: 你给它的图片和它自己仓库里的模型文件

README 和文件

README

Anime Image Labeller

一个 Gradio 应用,用仓库里训练好的模型文件给动漫图片打标签,附带标签列表和笔记本。适合想在浏览器里试用图片打标签的人。

由 curt-tigges 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。

简介

它是什么:Anime Image Labeller 是 Hugging Face Spaces 上的一个 Gradio 应用,给动漫图片打标签。仓库里有两个训练好的模型文件、一份 classes.txt 标签列表、一个推理脚本、两个笔记本和一个测试文件夹。README 除了设置之外没有任何描述。

适合谁:它适合想在浏览器里试用动漫图片打标签的人,也适合想看训练好的图像模型、标签列表和笔记本如何放在一个项目里的学习者。

Industry | Who uses it | How they use it | Example
艺术与插画 | 爱好者 | 在一幅动漫作品上试用打标签 | 打开 Space,给它一张图片
机器学习 | 学生 | 阅读推理脚本和笔记本 | 下载这个 Space,打开笔记本
内容标注 | 开发者 | 研究一个小型图像标注项目 | 读 classes.txt,看标签集合

如果你需要有文档说明的准确率或训练数据,可以跳过它,因为 README 两者都没有给出。

用在哪里:

  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
  • Jupyter 环境,用来打开这两个笔记本
Use case | Who | What they get back
给动漫图片打标签 | 好奇的人 | 浏览器里显示的这张图片的标签
学习图像打标签项目 | 学习者 | 模型文件、标签列表、一个脚本和两个笔记本

如何设置:在线使用什么都不用装。本地副本需要先准备这些。

  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 anime-image-labeller 的文件夹。
  3. 进入这个文件夹。
  4. 先安装 Gradio,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download curt-tigges/anime-image-labeller --repo-type space --local-dir anime-image-labeller
cd anime-image-labeller
pip install gradio
pip install -r requirements.txt
python app.py

如何使用:打开 Hugging Face 上的 Space 页面,给它一张图片。本地副本则在文件夹里运行 python app.py,再打开它启动的页面。

示例:你在 Space 页面上给应用一张动漫图片。它对图片运行训练好的模型,并显示它给这张图片分配的标签。

新手与专家:如果你是新手,打开 Space 页面,先试一张图片。打标签的意思是,模型从一个固定列表里挑出描述图片内容的词。

如果你懂这个领域,从文件名看,仓库里有一个训练了 40 轮的大模型和一个训练了 10 轮的基础模型。来源没有描述架构、数据和标签的含义。

你给应用一张动漫图片
推理脚本运行训练好的模型
分配的标签显示在页面上

注意事项:

  • README 没有描述,所以标签集合和质量要看页面和 classes.txt 才清楚
  • 仓库较大,有 37 个文件,包括笔记本和测试
  • License: apache-2
  • Cost to run: 未提及
  • Data it reaches: 你给它的图片和它自己仓库里的模型文件

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/curt-tigges/anime-image-labeller
  • 文件:https://huggingface.co/spaces/curt-tigges/anime-image-labeller/tree/main

试用

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。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

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
Anime Image Labeller 本页1gradioapache-2.0
FLUX.1 [dev]共有 gradio9,583gradiomit
InstantID共有 gradio3,659gradioapache-2.0
Chat With Janus-Pro-7B共有 gradio2,036gradiomit
PhotoMaker共有 gradio1,960gradioapache-2.0
Z Image Turbo共有 gradio1,940gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

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。

新上架

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。

新上架

MusicGen Small

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。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

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。

新上架