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。
一个可浏览的白俄罗斯语 AI 模型和 GitHub 代码清单,人工挑选,涵盖语音识别、语音合成、语言模型、翻译和 NLP。页面有英语和白俄罗斯语两种界面。
Belarusian AI models 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 Zhnivo/belarusian-models --repo-type space --local-dir belarusian-models cd belarusian-models
这个 Space 是一个静态网页,列出为白俄罗斯语做的模型和 GitHub 代码。内容涵盖语音识别、语音合成、语言模型、翻译和 NLP。页面上的下载次数是从 Hugging Face API 实时取来的。
适合为白俄罗斯语开发工具、需要快速找到模型的人,不用再在整个 Hugging Face 目录里搜索。页面有英语和白俄罗斯语两种界面。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 语音技术 | 语音工程师 | 寻找白俄罗斯语的识别和合成模型 | 找一个为白俄罗斯语调好的 Whisper 或 Wav2Vec 类模型 |
| 翻译 | 机器翻译开发者 | 寻找翻译模型和语言模型 | 为白俄罗斯语翻译测试挑一个基础模型 |
| 语言学 | 语言研究者 | 查找处理白俄罗斯语文本的 NLP 工具 | 为一项研究找到现成的语言处理流程 |
| 软件 | 应用开发者 | 在选定之前对比人工挑选的模型和代码 | 按实时下载次数列出候选模型 |
如果你不处理白俄罗斯语,可以跳过它。
| 用途 | 适合谁 | 你得到什么 |
|---|---|---|
| 查找白俄罗斯语模型 | 开发者和研究者 | 一份人工挑选、带实时下载次数的清单 |
| 查找白俄罗斯语相关的 GitHub 代码 | 任何开发语言工具的人 | 一份精选 GitHub 仓库的快照清单 |
在线使用什么都不用准备,页面直接在浏览器里运行。想保留一份副本,需要的东西很少。
pip install -U huggingface_hub hf download Zhnivo/belarusian-models --repo-type space --local-dir belarusian-models cd belarusian-models
打开页面,按类别浏览人工挑选的模型,并查看实时的下载次数。仓库里的每个文件各有作用。
| 工具 | 作用 |
|---|---|
| index.html, style.css, app.js | 组成静态页面本身 |
| data/curated.json | 保存人工精选的页面内容清单,以及已审核和已剔除的条目 |
| data/extra.json | 保存 GitHub 仓库的快照 |
| data/hf_snapshot.json | Hugging Face 数字的备用副本,实时请求失败时使用 |
| build_extra.py | 刷新快照,它的候选参数会打印出尚未审核的新条目 |
你打开页面,想找一个白俄罗斯语的语音识别模型。页面会显示适合这项工作的人工挑选模型,每个都带着下载次数,你可以挑一个去 Hugging Face 上打开。
如果你是新手,先打开这个 Space 的页面,把清单翻一遍。不用安装任何东西,你就能看到白俄罗斯语有哪几类模型。
如果你熟悉这个领域:页面就是纯 HTML、CSS 和 JavaScript,没有构建步骤。它只显示 data/curated.json 里精选白名单包含的内容。实时下载次数来自 Hugging Face API,请求失败时由保存的快照接手。
这个页面是人工挑选条目的目录,所以并不会列出白俄罗斯语现有的全部模型。
一个可浏览的白俄罗斯语 AI 模型和 GitHub 代码清单,人工挑选,涵盖语音识别、语音合成、语言模型、翻译和 NLP。页面有英语和白俄罗斯语两种界面。
由 Zhnivo 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 是一个静态网页,列出为白俄罗斯语做的模型和 GitHub 代码。内容涵盖语音识别、语音合成、语言模型、翻译和 NLP。页面上的下载次数是从 Hugging Face API 实时取来的。
适合谁:适合为白俄罗斯语开发工具、需要快速找到模型的人,不用再在整个 Hugging Face 目录里搜索。页面有英语和白俄罗斯语两种界面。
行业 | 谁在用 | 怎么用 | 例子
语音技术 | 语音工程师 | 寻找白俄罗斯语的识别和合成模型 | 找一个为白俄罗斯语调好的 Whisper 或 Wav2Vec 类模型
翻译 | 机器翻译开发者 | 寻找翻译模型和语言模型 | 为白俄罗斯语翻译测试挑一个基础模型
语言学 | 语言研究者 | 查找处理白俄罗斯语文本的 NLP 工具 | 为一项研究找到现成的语言处理流程
软件 | 应用开发者 | 在选定之前对比人工挑选的模型和代码 | 按实时下载次数列出候选模型
如果你不处理白俄罗斯语,可以跳过它。
用在哪里:
用途 | 适合谁 | 你得到什么
查找白俄罗斯语模型 | 开发者和研究者 | 一份人工挑选、带实时下载次数的清单
查找白俄罗斯语相关的 GitHub 代码 | 任何开发语言工具的人 | 一份精选 GitHub 仓库的快照清单
如何设置:在线使用什么都不用准备,页面直接在浏览器里运行。想保留一份副本,需要的东西很少。
pip install -U huggingface_hub
hf download Zhnivo/belarusian-models --repo-type space --local-dir belarusian-models
cd belarusian-models
如何使用:打开页面,按类别浏览人工挑选的模型,并查看实时的下载次数。仓库里的每个文件各有作用。
工具 | 作用
index.html, style.css, app.js | 组成静态页面本身
data/curated.json | 保存人工精选的页面内容清单,以及已审核和已剔除的条目
data/extra.json | 保存 GitHub 仓库的快照
data/hf_snapshot.json | Hugging Face 数字的备用副本,实时请求失败时使用
build_extra.py | 刷新快照,它的候选参数会打印出尚未审核的新条目
示例:你打开页面,想找一个白俄罗斯语的语音识别模型。页面会显示适合这项工作的人工挑选模型,每个都带着下载次数,你可以挑一个去 Hugging Face 上打开。
新手与专家:如果你是新手,先打开这个 Space 的页面,把清单翻一遍。不用安装任何东西,你就能看到白俄罗斯语有哪几类模型。
如果你熟悉这个领域:页面就是纯 HTML、CSS 和 JavaScript,没有构建步骤。它只显示 data/curated.json 里精选白名单包含的内容。实时下载次数来自 Hugging Face API,请求失败时由保存的快照接手。
在浏览器里打开页面
页面读取 data/curated.json 里的精选清单
它向 Hugging Face API 请求实时次数
失败时改用保存的快照
你浏览这些模型
注意事项:这个页面是人工挑选条目的目录,所以并不会列出白俄罗斯语现有的全部模型。
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 |
|---|---|---|---|---|
| Belarusian AI models 本页 | 1 | static | mit | |
| Arena Leaderboard共有 static | 5,039 | static | apache-2.0 | |
| Browser共有 static | 533 | static | cc0-1.0 | |
| Model Pulse共有 static | 214 | static | apache-2.0 | |
| MTEB-BR Leaderboard共有 static | 126 | static | apache-2.0 | |
| Hub Stats共有 static | 65 | static | 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。
allenai · 工具包
allenai 的 ToyBlocks 积木堆叠项目的底层动作模型,用模拟的 Franka 机械臂数据训练,能在桌面上拾取、放置和旋转三块积木。这是面向机器人学的研究模型。
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。