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 10 到 30 秒的音频样本克隆一个声音,并用这个声音朗读新的文字,支持 16 种语言。适合需要一个经过同意的声音来做旁白或测试的人。
Voice Clone Tool 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 ejzhu2026/voice-clone-tool --repo-type space --local-dir voice-clone-tool cd voice-clone-tool
Voice Clone Tool 接收一段声音的短音频样本,并用这个声音朗读你输入的任何文字。10 到 30 秒的样本就够了,这个工具支持 16 种语言。它使用 Coqui TTS 的 XTTS-v2 模型,运行在 Hugging Face 的免费 CPU 硬件上。
适合有权使用某个声音、想用它生成语音的人,比如做旁白或快速测试。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 内容创作 | 视频和播客创作者 | 用自己克隆的声音为脚本配音 | 创作者上传自己声音的清晰样本,并输入脚本。 |
| 本地化 | 多语言工作的团队 | 让同一个声音说另一种语言 | 团队选择西班牙语,用同一个声音生成一句话。 |
| 软件 | 开发者 | 通过一个简单页面测试声音克隆模型 | 开发者运行 app.py,看 XTTS-v2 是怎么接起来的。 |
| 无障碍 | 想留住自己声音的人 | 经本人同意保留一个声音,以后用来说话 | 用户录一段样本,生成几个短句。 |
如果你没有声音所有者的同意,可以跳过它,因为这个工具禁止冒充和欺诈。
| Use case | Who | What they get back |
|---|---|---|
| 克隆一个声音 | 有授权的任何人 | 用你样本声音说出的语音 |
| 切换语言 | 创作者 | 同一个声音说 16 种语言中的一种 |
| 本地运行 | 开发者 | 在你自己电脑上的同一个页面 |
pip install -U huggingface_hub hf download ejzhu2026/voice-clone-tool --repo-type space --local-dir voice-clone-tool cd voice-clone-tool pip install gradio==4.19.2 pip install -r requirements.txt python app.py
上传一段声音样本,输入文字,选择语言,然后点击 Generate。接着等待音频生成。背景噪声小的清晰语音效果最好,句子越短听起来越自然。
python app.py
| Tool | What it does |
|---|---|
| 声音样本上传 | 接收 10 到 30 秒的清晰语音 |
| 文本框 | 放你想让它朗读的文字 |
| 语言选择器 | 在 16 种语言中选一种 |
| Generate 按钮 | 用克隆的声音生成语音 |
你上传 20 秒自己的清晰语音,输入一个短句,选择西班牙语,然后点击 Generate。等一会儿后,工具返回这个句子的音频,声音听起来像你的样本。
如果你是新手,在安静的房间里录大约 20 秒自己的声音,试一个短句。只使用你有权克隆的声音。
如果你熟悉这个领域,这个工具是 Coqui TTS 的 XTTS-v2 模型外面一层很薄的 Gradio 封装。质量取决于样本,句子太长会降低结果的自然度。
用 10 到 30 秒的音频样本克隆一个声音,并用这个声音朗读新的文字,支持 16 种语言。适合需要一个经过同意的声音来做旁白或测试的人。
由 ejzhu2026 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:Voice Clone Tool 接收一段声音的短音频样本,并用这个声音朗读你输入的任何文字。10 到 30 秒的样本就够了,这个工具支持 16 种语言。它使用 Coqui TTS 的 XTTS-v2 模型,运行在 Hugging Face 的免费 CPU 硬件上。
适合谁:适合有权使用某个声音、想用它生成语音的人,比如做旁白或快速测试。
Industry | Who uses it | How they use it | Example
内容创作 | 视频和播客创作者 | 用自己克隆的声音为脚本配音 | 创作者上传自己声音的清晰样本,并输入脚本。
本地化 | 多语言工作的团队 | 让同一个声音说另一种语言 | 团队选择西班牙语,用同一个声音生成一句话。
软件 | 开发者 | 通过一个简单页面测试声音克隆模型 | 开发者运行 app.py,看 XTTS-v2 是怎么接起来的。
无障碍 | 想留住自己声音的人 | 经本人同意保留一个声音,以后用来说话 | 用户录一段样本,生成几个短句。
如果你没有声音所有者的同意,可以跳过它,因为这个工具禁止冒充和欺诈。
用在哪里:
Use case | Who | What they get back
克隆一个声音 | 有授权的任何人 | 用你样本声音说出的语音
切换语言 | 创作者 | 同一个声音说 16 种语言中的一种
本地运行 | 开发者 | 在你自己电脑上的同一个页面
如何设置:
pip install -U huggingface_hub
hf download ejzhu2026/voice-clone-tool --repo-type space --local-dir voice-clone-tool
cd voice-clone-tool
pip install gradio==4.19.2
pip install -r requirements.txt
python app.py
如何使用:上传一段声音样本,输入文字,选择语言,然后点击 Generate。接着等待音频生成。背景噪声小的清晰语音效果最好,句子越短听起来越自然。
python app.py
Tool | What it does
声音样本上传 | 接收 10 到 30 秒的清晰语音
文本框 | 放你想让它朗读的文字
语言选择器 | 在 16 种语言中选一种
Generate 按钮 | 用克隆的声音生成语音
示例:你上传 20 秒自己的清晰语音,输入一个短句,选择西班牙语,然后点击 Generate。等一会儿后,工具返回这个句子的音频,声音听起来像你的样本。
新手与专家:如果你是新手,在安静的房间里录大约 20 秒自己的声音,试一个短句。只使用你有权克隆的声音。
如果你熟悉这个领域,这个工具是 Coqui TTS 的 XTTS-v2 模型外面一层很薄的 Gradio 封装。质量取决于样本,句子太长会降低结果的自然度。
上传 10 到 30 秒的声音样本
输入文字并选择语言
点击 Generate
XTTS-v2 返回克隆声音的语音
注意事项:
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 |
|---|---|---|---|---|
| Voice Clone Tool 本页 | 13 | 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。