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。
Supertonic 3 文字转语音的网页演示,Supertone 称它快速、在设备上运行、支持多语言且准确。在浏览器里运行。适合想听听它的创作者和开发者。
Supertonic 3 (TTS) 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 Supertone/supertonic-3 --repo-type space --local-dir supertonic-3 cd supertonic-3
这个 Space 是一个静态网页,演示 Supertone 的文字转语音模型 Supertonic 3。它的口号声称这个模型速度快、在你自己的设备上运行、支持多种语言并且发音准确。页面只是普通的 HTML、CSS 和 JavaScript,所以在浏览器里就能打开,不用安装任何东西。
如果你想听多种语言的生成语音,它很适合创作者。想读一个自包含的设备端语音模型网页演示的开发者也适用。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 媒体 | 视频和播客制作者 | 试生成的旁白声音 | 听一段短脚本被读出来 |
| 教育 | 语言老师 | 听不同语言的文字朗读 | 朗读一个练习句 |
| 软件 | 网页开发者 | 阅读运行语音模型的静态页面 | 打开 index.html 和 script.js |
| 产品设计 | 应用制作者 | 判断设备端语音是否适合某个应用 | 试试预设的示例文本 |
如果你需要带 API 的服务器端语音服务,可以跳过它,因为这是一个浏览器页面。
| 用途 | 谁用 | 得到什么 |
|---|---|---|
| 听文字被朗读 | 创作者 | 由你的文字生成的语音 |
| 试示例文本 | 新手 | 可以马上播放的预设句子 |
| 研究页面 | 开发者 | 可阅读的 HTML、CSS 和 JavaScript 文件 |
在线页面什么都不需要。本地副本只在下载文件时需要 Python。
pip install -U huggingface_hub hf download Supertone/supertonic-3 --repo-type space --local-dir supertonic-3 cd supertonic-3
打开页面,输入或选择你想朗读的文字并开始生成。页面会在浏览器里播放结果。仓库里还有一个叫 run_local_server.sh 的脚本,用来在本地提供这个页面。
你选一个预设示例文本,按按钮朗读。页面播放语音,然后你可以输入自己的一句话再听一遍。
如果你是新手,先用一个预设示例文本。在输入自己的文字之前先听一听,有助于判断这个声音。
如果你熟悉这个领域,页面是静态的,逻辑放在一个 JavaScript 文件里,字体、图片和资源一起打包。这个 Space 点名了一个模型 Supertonic 3。README 除了口号几乎没说什么,所以请读脚本了解模型怎样加载和运行。
许可是 openrail,所以在基于它开发之前,先读一读条款里有没有使用限制。README 很短,页面和脚本才有真正的细节。
Supertonic 3 文字转语音的网页演示,Supertone 称它快速、在设备上运行、支持多语言且准确。在浏览器里运行。适合想听听它的创作者和开发者。
由 Supertone 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 是一个静态网页,演示 Supertone 的文字转语音模型 Supertonic 3。它的口号声称这个模型速度快、在你自己的设备上运行、支持多种语言并且发音准确。页面只是普通的 HTML、CSS 和 JavaScript,所以在浏览器里就能打开,不用安装任何东西。
适合谁:如果你想听多种语言的生成语音,它很适合创作者。想读一个自包含的设备端语音模型网页演示的开发者也适用。
行业 | 谁在用 | 怎么用 | 例子
媒体 | 视频和播客制作者 | 试生成的旁白声音 | 听一段短脚本被读出来
教育 | 语言老师 | 听不同语言的文字朗读 | 朗读一个练习句
软件 | 网页开发者 | 阅读运行语音模型的静态页面 | 打开 index.html 和 script.js
产品设计 | 应用制作者 | 判断设备端语音是否适合某个应用 | 试试预设的示例文本
如果你需要带 API 的服务器端语音服务,可以跳过它,因为这是一个浏览器页面。
用在哪里:
用途 | 谁用 | 得到什么
听文字被朗读 | 创作者 | 由你的文字生成的语音
试示例文本 | 新手 | 可以马上播放的预设句子
研究页面 | 开发者 | 可阅读的 HTML、CSS 和 JavaScript 文件
如何设置:在线页面什么都不需要。本地副本只在下载文件时需要 Python。
pip install -U huggingface_hub
hf download Supertone/supertonic-3 --repo-type space --local-dir supertonic-3
cd supertonic-3
如何使用:打开页面,输入或选择你想朗读的文字并开始生成。页面会在浏览器里播放结果。仓库里还有一个叫 run_local_server.sh 的脚本,用来在本地提供这个页面。
示例:你选一个预设示例文本,按按钮朗读。页面播放语音,然后你可以输入自己的一句话再听一遍。
新手与专家:如果你是新手,先用一个预设示例文本。在输入自己的文字之前先听一听,有助于判断这个声音。
如果你熟悉这个领域,页面是静态的,逻辑放在一个 JavaScript 文件里,字体、图片和资源一起打包。这个 Space 点名了一个模型 Supertonic 3。README 除了口号几乎没说什么,所以请读脚本了解模型怎样加载和运行。
你打开页面
你输入或选择一些文字
页面在浏览器里运行语音模型
你听到音频
注意事项:许可是 openrail,所以在基于它开发之前,先读一读条款里有没有使用限制。README 很短,页面和脚本才有真正的细节。
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 |
|---|---|---|---|---|
| Supertonic 3 (TTS) 本页 | 291 | static | openrail | |
| Mira-TTS共有 speech-synthesis · text-to-speech | 17 | gradio | apache-2.0 | |
| Voxtral Studio共有 audio · text-to-speech | 1 | gradio | apache-2.0 | |
| Leokani-tts 7M共有 text-to-speech · static | 2 | static | cc-by-nc-4.0 | |
| RVC-v2 + Beatrice-v2 Voice Conversion + training共有 audio | 42 | gradio | mit | |
| Audio Separator Pro共有 audio | 9 | gradio | mit |
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。