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。
带浏览器界面的语音转换工具,注重易用和音质,支持插件。适合只转换自己有权使用的音频的艺术家、开发者和研究人员。
Applio 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 IAHispano/Applio
Applio 是 IAHispano 推出的语音转换工具,能改变音频里的声音,带有一个在浏览器里打开的 Gradio 界面。它追求简单、质量和性能,插件和配置选项让你能按项目需要调整。它基于 VoiceConversionWebUI。
适合想通过简单界面转换声音、并且拥有音频或获得使用许可的艺术家、开发者和研究人员。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 音乐 | 艺术家 | 转换自己拥有或有权使用的音频中的声音 | 转换自己录制的一段声音 |
| 软件 | 开发者 | 用插件和配置扩展工具 | 添加项目需要的插件 |
| 研究 | 音频研究人员 | 训练声音模型,并在 TensorBoard 里跟踪训练 | 查看一次训练的图表 |
无法获得所处理声音的许可的人应该跳过它,因为使用条款要求你拥有这些声音或获得明确许可。
它在你自己的电脑上运行,界面在网页浏览器里打开。
| 用例 | 谁用 | 得到什么 |
|---|---|---|
| 语音转换 | 艺术家 | 一段换了声音的音频文件 |
| 模型训练 | 研究人员 | 可以在 TensorBoard 里跟踪的训练过程 |
| 插件开发 | 开发者 | 通过插件系统添加的额外功能 |
先按你的系统运行一个安装脚本,再启动应用。
pip install -U huggingface_hub hf download IAHispano/Applio
run-install.sh
用运行脚本启动 Applio,Gradio 界面会在你的默认浏览器里打开。你在那里转换音频。想监控训练或查看数据,就用它自己的脚本启动 TensorBoard。
run-applio.sh
run-tensorboard.sh
| 工具 | 作用 |
|---|---|
| run-install.bat 和 run-install.sh | 在 Windows 以及 Linux 或 macOS 上安装应用 |
| run-applio.bat 和 run-applio.sh | 启动 Applio,并在浏览器里打开 Gradio 界面 |
| run-tensorboard.bat 和 run-tensorboard.sh | 启动 TensorBoard,用来监控训练或查看数据 |
你运行启动脚本,界面在浏览器里打开。你载入一段自己拥有的录音并转换它。返回的是同一段音频,只是换了一个声音。模型卡没有给出逐屏的操作演示,所以下一步该看它的文档。
语音转换是把一个人声音的录音变得像另一个人的声音。Applio 把这件事放进一个网页,所以你不用写代码。第一件可以试的小事,就是运行安装脚本,启动应用,看看打开的页面。
它基于 VoiceConversionWebUI,有 Gradio 前端、插件和配置接口,以及用于训练的 TensorBoard。模型卡称它的官方模型用 VCTK 这类公开数据集训练,并感谢 gradio-screen-recorder 和 rvc-cli 为其中一部分工作所做的贡献。
使用它由你自己负责,模型卡设定了明确的条款。
带浏览器界面的语音转换工具,注重易用和音质,支持插件。适合只转换自己有权使用的音频的艺术家、开发者和研究人员。
由 IAHispano 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:Applio 是 IAHispano 推出的语音转换工具,能改变音频里的声音,带有一个在浏览器里打开的 Gradio 界面。它追求简单、质量和性能,插件和配置选项让你能按项目需要调整。它基于 VoiceConversionWebUI。
适合谁:适合想通过简单界面转换声音、并且拥有音频或获得使用许可的艺术家、开发者和研究人员。
行业 | 谁在用 | 怎么用 | 例子
音乐 | 艺术家 | 转换自己拥有或有权使用的音频中的声音 | 转换自己录制的一段声音
软件 | 开发者 | 用插件和配置扩展工具 | 添加项目需要的插件
研究 | 音频研究人员 | 训练声音模型,并在 TensorBoard 里跟踪训练 | 查看一次训练的图表
无法获得所处理声音的许可的人应该跳过它,因为使用条款要求你拥有这些声音或获得明确许可。
用在哪里:它在你自己的电脑上运行,界面在网页浏览器里打开。
用例 | 谁用 | 得到什么
语音转换 | 艺术家 | 一段换了声音的音频文件
模型训练 | 研究人员 | 可以在 TensorBoard 里跟踪的训练过程
插件开发 | 开发者 | 通过插件系统添加的额外功能
如何设置:先按你的系统运行一个安装脚本,再启动应用。
pip install -U huggingface_hub
hf download IAHispano/Applio
run-install.sh
如何使用:用运行脚本启动 Applio,Gradio 界面会在你的默认浏览器里打开。你在那里转换音频。想监控训练或查看数据,就用它自己的脚本启动 TensorBoard。
run-applio.sh
run-tensorboard.sh
工具 | 作用
run-install.bat 和 run-install.sh | 在 Windows 以及 Linux 或 macOS 上安装应用
run-applio.bat 和 run-applio.sh | 启动 Applio,并在浏览器里打开 Gradio 界面
run-tensorboard.bat 和 run-tensorboard.sh | 启动 TensorBoard,用来监控训练或查看数据
示例:你运行启动脚本,界面在浏览器里打开。你载入一段自己拥有的录音并转换它。返回的是同一段音频,只是换了一个声音。模型卡没有给出逐屏的操作演示,所以下一步该看它的文档。
新手与专家:语音转换是把一个人声音的录音变得像另一个人的声音。Applio 把这件事放进一个网页,所以你不用写代码。第一件可以试的小事,就是运行安装脚本,启动应用,看看打开的页面。
它基于 VoiceConversionWebUI,有 Gradio 前端、插件和配置接口,以及用于训练的 TensorBoard。模型卡称它的官方模型用 VCTK 这类公开数据集训练,并感谢 gradio-screen-recorder 和 rvc-cli 为其中一部分工作所做的贡献。
运行安装脚本
用运行脚本启动应用
在浏览器里打开 Gradio 页面
转换或训练声音
在 TensorBoard 里观察训练
注意事项:使用它由你自己负责,模型卡设定了明确的条款。
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download IAHispano/Applio
然后按它的模型卡使用它。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 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| Applio 本页 | 334 | 229 | — | mit | |
| SimulS2ST-Omni共有 audio-to-audio · transformers | 0 | 2 | — | apache-2.0 | |
| Ming-3.0-audio-tiny共有 onnx · transformers | 5,202 | 62 | 8.9B | mit | |
| NVIDIA NemotronLabs RE-USE-laughter共有 audio-to-audio | 2,845 | 17 | 9.6M | openmdw-1.1 | |
| DaFeiYu RVC v2 40k共有 audio-to-audio | 571 | 10 | — | mit | |
| Orukeet共有 onnx | 35,262 | 110 | 627M | cc-by-sa-4.0 |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
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。