Nanosaur2-670M
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
一个展示 d3-turbo 的网页,这个模型读一次图片、视频片段或文本,就能一起回答关于它的许多问题,页面有场景和五个实时演示。适合工程师和研究者。
d3-turbo: beyond one question at a time 是一款工具包,属于开发类,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 vllm-sr/d3-turbo --repo-type space --local-dir d3-turbo cd d3-turbo
这个 Space 是 d3-turbo 的展示页,d3-turbo 是 vLLM Semantic Router 项目的一个 Decision 3 版本。模型以一张图片、一段视频片段或一段文本为输入,然后一次性回答关于它的一整组问题。页面先展示发往免费 Decision API 的真实请求,再运行五个实时演示。
适合做视觉和语言模型的工程师和研究者,也适合想知道一次读取输入能回答多少问题的应用开发者。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 计算机视觉 | 机器学习工程师 | 为你指定的东西查看框和置信度 | 打开四张照片的演示 |
| 研究 | 模型研究者 | 对比 d3-turbo 和 d3-flash 的耗时 | 运行对一张照片问 32 个问题的演示 |
| 产品开发 | 应用开发者 | 了解一次读取输入能回答什么 | 点一个场景,读它的问题和答案 |
| 游戏 | 游戏开发者 | 查看取自开源游戏的场景 | 打开其中一个游戏场景 |
想要可下载、能离线运行的模型的人可以跳过它,因为这个页面调用的是托管的 API。
| Use case | Who | What they get back |
|---|---|---|
| 阅读场景 | 工程师 | 每个场景来自 API 的真实问题和答案 |
| 两个模型赛跑 | 研究者 | 在你浏览器里测得的 d3-turbo 和 d3-flash 耗时 |
| 查看跟踪 | 应用开发者 | 在短视频片段里被跟踪的物体 |
pip install -U huggingface_hub hf download vllm-sr/d3-turbo --repo-type space --local-dir d3-turbo cd d3-turbo
打开页面,点任意一个场景,看提出的问题和返回的答案。然后试试五个实时演示。
你打开页面,点一个场景读它的问题和答案,再运行对一张照片问 32 个问题的演示。页面会显示 d3-turbo 和 d3-flash 各用了多久,耗时在你的浏览器里测得。
如果你是新手,先打开这个 Space,逐个点开场景。每个场景都显示一次真实请求和模型的返回,所以你在运行任何东西之前就能看懂这个思路。
如果你是专家,页面会在你的浏览器里自己准备一个免费密钥,然后向 d3-turbo 发一次请求,作为服务在线的证明。如果 API 够不到,就回放之前录下的答案。框、轨迹、选择和是否回答都来自同一次一遍式的读取。
一个展示 d3-turbo 的网页,这个模型读一次图片、视频片段或文本,就能一起回答关于它的许多问题,页面有场景和五个实时演示。适合工程师和研究者。
由 vllm-sr 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 d3-turbo 的展示页,d3-turbo 是 vLLM Semantic Router 项目的一个 Decision 3 版本。模型以一张图片、一段视频片段或一段文本为输入,然后一次性回答关于它的一整组问题。页面先展示发往免费 Decision API 的真实请求,再运行五个实时演示。
适合谁:适合做视觉和语言模型的工程师和研究者,也适合想知道一次读取输入能回答多少问题的应用开发者。
Industry | Who uses it | How they use it | Example
计算机视觉 | 机器学习工程师 | 为你指定的东西查看框和置信度 | 打开四张照片的演示
研究 | 模型研究者 | 对比 d3-turbo 和 d3-flash 的耗时 | 运行对一张照片问 32 个问题的演示
产品开发 | 应用开发者 | 了解一次读取输入能回答什么 | 点一个场景,读它的问题和答案
游戏 | 游戏开发者 | 查看取自开源游戏的场景 | 打开其中一个游戏场景
想要可下载、能离线运行的模型的人可以跳过它,因为这个页面调用的是托管的 API。
用在哪里:
Use case | Who | What they get back
阅读场景 | 工程师 | 每个场景来自 API 的真实问题和答案
两个模型赛跑 | 研究者 | 在你浏览器里测得的 d3-turbo 和 d3-flash 耗时
查看跟踪 | 应用开发者 | 在短视频片段里被跟踪的物体
如何设置:
pip install -U huggingface_hub
hf download vllm-sr/d3-turbo --repo-type space --local-dir d3-turbo
cd d3-turbo
如何使用:打开页面,点任意一个场景,看提出的问题和返回的答案。然后试试五个实时演示。
示例:你打开页面,点一个场景读它的问题和答案,再运行对一张照片问 32 个问题的演示。页面会显示 d3-turbo 和 d3-flash 各用了多久,耗时在你的浏览器里测得。
新手与专家:如果你是新手,先打开这个 Space,逐个点开场景。每个场景都显示一次真实请求和模型的返回,所以你在运行任何东西之前就能看懂这个思路。
如果你是专家,页面会在你的浏览器里自己准备一个免费密钥,然后向 d3-turbo 发一次请求,作为服务在线的证明。如果 API 够不到,就回放之前录下的答案。框、轨迹、选择和是否回答都来自同一次一遍式的读取。
你打开页面
页面自己准备一个免费密钥
它向 d3-turbo 询问一次这个输入
所有答案一起返回
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 |
|---|---|---|---|---|
| d3-turbo: beyond one question at a time 本页 | 9 | static | apache-2.0 | |
| InferenceSupport共有 static | 764 | static | afl-3.0 | |
| Huggy共有 static | 463 | static | cc-by-nc-sa-4.0 | |
| Z-Image Lookalike LoRA Index共有 static | 189 | static | apache-2.0 | |
| Granite Docling 258M WebGPU共有 static | 163 | static | apache-2.0 | |
| DINOv3 Web共有 static | 162 | static | apache-2.0 |
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
Waqf-AI · 工具包
读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。
Wan-AI · 工具包
根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。
Wan-AI · 工具包
根据音频生成电影感的角色视频,也能给现有视频做口型同步。适合有大显卡的视频创作者、动画师和研究人员。
Wan-AI · 工具包
通过复制表演者的动作和表情,让角色动起来,或把角色换进视频里,是 Wan2.2 视频系列中的一个模型。只能使用你有权使用的面孔和形象。
vllm-sr · 工具包
在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题,并为每个答案给出概率。适合构建路由或视觉检查的人。