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。
Ultimate Vocal Remover 项目的 Gradio 网页版,用来把人声和音乐从一段音轨里分开。可在浏览器里用,也可在你自己的电脑上运行。
Ultimate Vocal Remover WebUI 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 Rifd/Ultimate-Vocal-Remover-WebUI --repo-type space --local-dir Ultimate-Vocal-Remover-WebUI cd Ultimate-Vocal-Remover-WebUI
这个 Space 是 Ultimate Vocal Remover 项目的 Gradio 网页界面。从名字看,它把音乐音轨里的人声和乐器分开,你在浏览器里打开就能用,不用安装桌面程序。
仓库很大,有 228 个文件。其中有 UVR.py、一个 demucs 文件夹、一个 lib_v5 文件夹、一个 models 文件夹和一个 webUI.py 文件。README 里只有一个配置指引。
适合想把人声从音乐里分离出来的人,比如业余音乐人和视频创作者,也适合想读分离工具是怎样包上网页界面的开发者。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 音乐 | 业余音乐人 | 把一条音轨拆成人声和其余部分 | 做一条没有歌手的练习音轨 |
| 视频与播客 | 视频剪辑者 | 把有背景音乐的片段里的人声提取出来 | 清理一段说话的部分 |
| 教育 | 音乐专业学生 | 单独听一首歌的各个部分 | 研究人声线条在混音里的位置 |
| AI 开发 | 开发者 | 阅读 app.py、webUI.py 和 separate.py | 了解分离工具是怎样得到网页界面的 |
如果你需要有支持的成熟产品,可以跳过,因为这是一个社区做的网页界面。
这个应用可以在下面这些地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 从音轨里分离人声 | 音乐人 | 分开的人声和音乐音频 |
| 清理录音 | 剪辑者 | 抽走了人声或音乐的版本 |
| 研究这个工具 | 开发者 | 一个带分离代码和 models 文件夹的仓库 |
在线使用只需要浏览器。本地副本需要下面这些。
pip install -U huggingface_hub hf download Rifd/Ultimate-Vocal-Remover-WebUI --repo-type space --local-dir Ultimate-Vocal-Remover-WebUI cd Ultimate-Vocal-Remover-WebUI pip install gradio==3.44.2 pip install -r requirements.txt python app.py
打开 Space 页面,或者在你的副本里运行下面的命令,再打开应用提供的页面。然后添加一个音频文件,选一个模型并运行。
python app.py
你打开这个 Space,添加一首你有权使用的歌并运行分离。页面会返回分开的人声和音乐音频。
如果你是新手,打开 Space 页面,先试一小段。较短的文件在 cpu-basic 硬件上完成得更快。
如果你熟悉这个领域:仓库里有 UVR 代码、demucs 文件夹和 lib_v5 文件夹,前端是 app.py 和 webUI.py 里的 Gradio 3.44.2。它在 Hugging Face 的 cpu-basic 硬件上运行,所以长音轨要花时间。
来源只给出了名称和文件,所以在依赖它之前,先到 Space 页面看看它提供哪些控件。
Ultimate Vocal Remover 项目的 Gradio 网页版,用来把人声和音乐从一段音轨里分开。可在浏览器里用,也可在你自己的电脑上运行。
由 Rifd 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 Ultimate Vocal Remover 项目的 Gradio 网页界面。从名字看,它把音乐音轨里的人声和乐器分开,你在浏览器里打开就能用,不用安装桌面程序。
仓库很大,有 228 个文件。其中有 UVR.py、一个 demucs 文件夹、一个 lib_v5 文件夹、一个 models 文件夹和一个 webUI.py 文件。README 里只有一个配置指引。
适合谁:适合想把人声从音乐里分离出来的人,比如业余音乐人和视频创作者,也适合想读分离工具是怎样包上网页界面的开发者。
Industry | Who uses it | How they use it | Example
音乐 | 业余音乐人 | 把一条音轨拆成人声和其余部分 | 做一条没有歌手的练习音轨
视频与播客 | 视频剪辑者 | 把有背景音乐的片段里的人声提取出来 | 清理一段说话的部分
教育 | 音乐专业学生 | 单独听一首歌的各个部分 | 研究人声线条在混音里的位置
AI 开发 | 开发者 | 阅读 app.py、webUI.py 和 separate.py | 了解分离工具是怎样得到网页界面的
如果你需要有支持的成熟产品,可以跳过,因为这是一个社区做的网页界面。
用在哪里:这个应用可以在下面这些地方运行。
Use case | Who | What they get back
从音轨里分离人声 | 音乐人 | 分开的人声和音乐音频
清理录音 | 剪辑者 | 抽走了人声或音乐的版本
研究这个工具 | 开发者 | 一个带分离代码和 models 文件夹的仓库
如何设置:在线使用只需要浏览器。本地副本需要下面这些。
pip install -U huggingface_hub
hf download Rifd/Ultimate-Vocal-Remover-WebUI --repo-type space --local-dir Ultimate-Vocal-Remover-WebUI
cd Ultimate-Vocal-Remover-WebUI
pip install gradio==3.44.2
pip install -r requirements.txt
python app.py
如何使用:打开 Space 页面,或者在你的副本里运行下面的命令,再打开应用提供的页面。然后添加一个音频文件,选一个模型并运行。
python app.py
示例:你打开这个 Space,添加一首你有权使用的歌并运行分离。页面会返回分开的人声和音乐音频。
新手与专家:如果你是新手,打开 Space 页面,先试一小段。较短的文件在 cpu-basic 硬件上完成得更快。
如果你熟悉这个领域:仓库里有 UVR 代码、demucs 文件夹和 lib_v5 文件夹,前端是 app.py 和 webUI.py 里的 Gradio 3.44.2。它在 Hugging Face 的 cpu-basic 硬件上运行,所以长音轨要花时间。
打开 Space 页面或运行 app.py
添加音频文件并选一个模型
分离代码拆分音频
你拿回分开的音频
注意事项:来源只给出了名称和文件,所以在依赖它之前,先到 Space 页面看看它提供哪些控件。
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 |
|---|---|---|---|---|
| Ultimate Vocal Remover WebUI 本页 | 6 | 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。