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 Streamlit 页面里用图像修复补全或修补图片的指定部分,附带示例图和修复结果,适合修图的人和机器学习学习者。
Inpaint_Me 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 Huertas97/Inpaint_Me --repo-type space --local-dir Inpaint_Me cd Inpaint_Me
Inpaint_Me 是一个做图像修复的 Streamlit 应用,从名字看,图像修复就是补全或修补图片的一部分。仓库里有 Examples 文件夹、存放结果的 Examples_inpainted 文件夹、两个标志,以及主文件 app_inpaint.py。
它适合想在浏览器里试试图像修复的修图者,也适合想把输入和结果放在一起看的学习者。记录没有描述控件,请打开页面查看。
| 行业 | 使用者 | 使用方式 | 例子 |
|---|---|---|---|
| 摄影修图 | 业余摄影师 | 修补或填上图片里受损的部分 | 试一张示例图片,看结果 |
| 设计 | 平面设计师 | 测试模型如何补上图像里的空缺 | 把一张示例和它的修复版对比 |
| 教育 | 机器学习的学生 | 把图像修复的输入和输出放在一起看 | 浏览 Examples 和 Examples_inpainted 文件夹 |
如果你需要处理视频或批量处理图片,可以跳过它。
| 用例 | 适合谁 | 得到什么 |
|---|---|---|
| 修补图片的一部分 | 修图者 | 所选区域被补上的图片 |
| 研究图像修复示例 | 学习者 | 原图和修复后的图片并排呈现 |
| 作为基础复用 | 开发者 | 一个可以改造的 Streamlit 应用 |
pip install -U huggingface_hub hf download Huertas97/Inpaint_Me --repo-type space --local-dir Inpaint_Me cd Inpaint_Me pip install streamlit pip install -r requirements.txt streamlit run app_inpaint.py
在线使用时,打开 Space,用页面上的控件操作。在自己的电脑上,则在 Space 文件夹里用 Streamlit 运行主文件,再使用它提供的页面。示例图片是快速了解它表现的办法。
streamlit run app_inpaint.py
你打开 Space,选一张示例图片。应用会补全你选的部分,并显示修复后的图片。记录没有描述这些控件,请看页面。
图像修复是指程序根据周围的像素,猜测缺失或不想要的区域该填什么。先打开 Space,试一张示例图片。
如果你熟悉这个领域,这个应用是图像修复模型外面的 Streamlit 前端,packages.txt 里列出了系统软件包。记录没有写明模型、设置或质量数据,所以请查看 app_inpaint.py 看看实际运行的是什么。
在 Streamlit 页面里用图像修复补全或修补图片的指定部分,附带示例图和修复结果,适合修图的人和机器学习学习者。
由 Huertas97 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:Inpaint_Me 是一个做图像修复的 Streamlit 应用,从名字看,图像修复就是补全或修补图片的一部分。仓库里有 Examples 文件夹、存放结果的 Examples_inpainted 文件夹、两个标志,以及主文件 app_inpaint.py。
适合谁:它适合想在浏览器里试试图像修复的修图者,也适合想把输入和结果放在一起看的学习者。记录没有描述控件,请打开页面查看。
行业 | 使用者 | 使用方式 | 例子
摄影修图 | 业余摄影师 | 修补或填上图片里受损的部分 | 试一张示例图片,看结果
设计 | 平面设计师 | 测试模型如何补上图像里的空缺 | 把一张示例和它的修复版对比
教育 | 机器学习的学生 | 把图像修复的输入和输出放在一起看 | 浏览 Examples 和 Examples_inpainted 文件夹
如果你需要处理视频或批量处理图片,可以跳过它。
用在哪里:
用例 | 适合谁 | 得到什么
修补图片的一部分 | 修图者 | 所选区域被补上的图片
研究图像修复示例 | 学习者 | 原图和修复后的图片并排呈现
作为基础复用 | 开发者 | 一个可以改造的 Streamlit 应用
如何设置:
pip install -U huggingface_hub
hf download Huertas97/Inpaint_Me --repo-type space --local-dir Inpaint_Me
cd Inpaint_Me
pip install streamlit
pip install -r requirements.txt
streamlit run app_inpaint.py
如何使用:在线使用时,打开 Space,用页面上的控件操作。在自己的电脑上,则在 Space 文件夹里用 Streamlit 运行主文件,再使用它提供的页面。示例图片是快速了解它表现的办法。
streamlit run app_inpaint.py
示例:你打开 Space,选一张示例图片。应用会补全你选的部分,并显示修复后的图片。记录没有描述这些控件,请看页面。
新手与专家:图像修复是指程序根据周围的像素,猜测缺失或不想要的区域该填什么。先打开 Space,试一张示例图片。
如果你熟悉这个领域,这个应用是图像修复模型外面的 Streamlit 前端,packages.txt 里列出了系统软件包。记录没有写明模型、设置或质量数据,所以请查看 app_inpaint.py 看看实际运行的是什么。
你选一张图片和一块区域
Streamlit 页面把它们交给 app_inpaint.py
图像修复模型补全这块区域
页面显示修复后的图片
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 |
|---|---|---|---|---|
| Inpaint_Me 本页 | 11 | streamlit | apache-2.0 | |
| InsightFace-Face Swapper-on Video共有 streamlit | 5 | streamlit | mit | |
| Spotify Song Reccomender共有 streamlit | 2 | streamlit | mit | |
| Smart Search共有 streamlit | 1 | streamlit | cc-by-nc-sa-4.0 | |
| Reddit Video Downloader共有 streamlit | 0 | streamlit | mit |
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。
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。