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。
Qwen-Image-2.1 的相机控制 LoRA,能从你选的角度重新拍摄一个主体,有 36 个姿态外加特写版本。适合用 ComfyUI 或 diffusers 的图像创作者。
Qwen-Image-2.1-Multiple-Angles-LoRA 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 akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA
这个 LoRA 给 Qwen-Image-2.1 图像模型加上了视角控制。你给它一张照片,要求换一个水平角度和高度,它就返回从那个位置看到的同一个主体。模型卡说这个基础模型上此前还没有这类 LoRA。
需要同一个物体或主体多个视角,并且使用 ComfyUI 或 diffusers 的图像创作者。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 电商 | 产品摄影师 | 展示商品的其他角度 | 一张鞋子照片转成侧视图 |
| 设计 | 概念美术 | 从新的相机位置探索一个主体 | 从上方看到的角色 |
| 游戏 | 资产团队 | 为物体制作参考视图 | 一个道具的背面 |
| 营销 | 内容团队 | 用一张照片生成一组视图 | 一个主体的十二角度环绕 |
如果你想要自由的编辑,可以跳过它,因为这个 LoRA 只管相机位置。如果你不用 Qwen-Image-2.1,也可以跳过。
| Use case | Who | What they get back |
|---|---|---|
| 换角度 | 摄影师 | 从你要求的角度看到的同一个主体 |
| 环绕系列 | 艺术家 | 围绕一个主体的一系列视图 |
| 俯视和特写视图 | 设计师 | 物体的高角度或特写构图 |
pip install -U huggingface_hub hf download akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA
每条提示词都以触发词 <mva> 开头,然后按模型卡的姿态列表描述你想要的角度。在 ComfyUI 或 diffusers 里,把 LoRA 强度设在 0.8 到 1.0 之间。
| Setting | What it does |
|---|---|
| <mva> | 每条提示词都要以它开头的触发词 |
| 12 azimuths | 以 30 度为步长的水平角度 |
| 4 camera heights | 平视、略抬高、高角度和俯视 |
| Strength 0.8 to 1.0 | 模型卡建议的 LoRA 权重 |
你输入一张狗的照片,要求平视高度下换一个水平角度。模型会返回从那一侧看到的狗。模型卡展示了遍历全部 12 个角度的环绕图。
如果你是新手,先用 v2 文件和接近 1.0 的强度,一次只试一个角度。第一次测试选一张清晰、只有单个主体的照片。
如果你懂这个领域,v2 用 13,328 对数据、秩 64、bf16 训练,v1 是 5,028 对、秩 32。它针对 v1 在角色和未见过的身份细节上的弱点。作者推荐第 1,500 步的检查点,想要更强的角度效果可以用 2,000 到 2,500 步。
Qwen-Image-2.1 的相机控制 LoRA,能从你选的角度重新拍摄一个主体,有 36 个姿态外加特写版本。适合用 ComfyUI 或 diffusers 的图像创作者。
由 akhaliq 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:这个 LoRA 给 Qwen-Image-2.1 图像模型加上了视角控制。你给它一张照片,要求换一个水平角度和高度,它就返回从那个位置看到的同一个主体。模型卡说这个基础模型上此前还没有这类 LoRA。
适合谁:需要同一个物体或主体多个视角,并且使用 ComfyUI 或 diffusers 的图像创作者。
Industry | Who uses it | How they use it | Example
电商 | 产品摄影师 | 展示商品的其他角度 | 一张鞋子照片转成侧视图
设计 | 概念美术 | 从新的相机位置探索一个主体 | 从上方看到的角色
游戏 | 资产团队 | 为物体制作参考视图 | 一个道具的背面
营销 | 内容团队 | 用一张照片生成一组视图 | 一个主体的十二角度环绕
如果你想要自由的编辑,可以跳过它,因为这个 LoRA 只管相机位置。如果你不用 Qwen-Image-2.1,也可以跳过。
用在哪里:
Use case | Who | What they get back
换角度 | 摄影师 | 从你要求的角度看到的同一个主体
环绕系列 | 艺术家 | 围绕一个主体的一系列视图
俯视和特写视图 | 设计师 | 物体的高角度或特写构图
如何设置:
pip install -U huggingface_hub
hf download akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA
如何使用:每条提示词都以触发词 <mva> 开头,然后按模型卡的姿态列表描述你想要的角度。在 ComfyUI 或 diffusers 里,把 LoRA 强度设在 0.8 到 1.0 之间。
Setting | What it does
<mva> | 每条提示词都要以它开头的触发词
12 azimuths | 以 30 度为步长的水平角度
4 camera heights | 平视、略抬高、高角度和俯视
Strength 0.8 to 1.0 | 模型卡建议的 LoRA 权重
示例:你输入一张狗的照片,要求平视高度下换一个水平角度。模型会返回从那一侧看到的狗。模型卡展示了遍历全部 12 个角度的环绕图。
新手与专家:如果你是新手,先用 v2 文件和接近 1.0 的强度,一次只试一个角度。第一次测试选一张清晰、只有单个主体的照片。
如果你懂这个领域,v2 用 13,328 对数据、秩 64、bf16 训练,v1 是 5,028 对、秩 32。它针对 v1 在角色和未见过的身份细节上的弱点。作者推荐第 1,500 步的检查点,想要更强的角度效果可以用 2,000 到 2,500 步。
你的照片加 mva 提示词
带 LoRA 的 Qwen-Image-2.1
新角度下的同一个主体
Title: 训练数据对数
v1: 5028
v2: 13328
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA
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 4 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 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Qwen-Image-2.1-Multiple-Angles-LoRA 本页 | 3,505 | 110 | apache-2.0 | |
| Qwen-Image-2.1-Next-Scene-LoRA共有 qwen-image-2.1 · image-editing · image-to-image | 4,581 | 71 | apache-2.0 | |
| QI_2.1_AnyAngle共有 qwen-image-2.1 · image-to-image · lora | 13,198 | 189 | apache-2.0 | |
| Moss-Image-Edit LoRA for ComfyUI共有 image-editing · image-to-image · lora | 0 | 18 | gpl-3.0 | |
| MOSS-Image depth control LoRA共有 image-to-image · lora · diffusers | 2,011 | 6 | apache-2.0 | |
| BFS Best Face Swap共有 image-editing · lora · diffusers | 407 | 3 | mit |
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。