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。
用女声或男声朗读天城文书写的印地语文字,小到可以在没有 GPU 的 CPU 上运行。适合给应用加入印地语语音的开发者。
Indic Tiny TTS: Hindi 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 sulabhkatiyar/indic-tiny-tts-hindi
Indic Tiny TTS: Hindi 是一个面向印地语的小型文字转语音模型。它用女声或男声朗读天城文,有 2250 万个参数。它可以用 PyTorch 或 ONNX Runtime 运行,不需要 GPU。
它适合想在普通硬件上获得印地语语音的开发者,也适合按错误率比较小型语音模型的研究人员。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 软件 | 应用开发者 | 在没有 GPU 的设备上朗读印地语文字 | 在应用里读出一句新闻 |
| 媒体 | 内容创作者 | 用女声或男声给印地语旁白配音 | 给一段短视频录旁白 |
| 教育 | 语言学习产品开发者 | 给课程加入印地语语音 | 给学习者播放练习句子 |
| 研究 | 语音研究人员 | 按字符错误率比较小型模型 | 阅读模型卡里的基准表 |
如果你需要印地语以外的任何语言,可以跳过它,因为这个模型只说印地语。
| Use case | Who | What they get back |
|---|---|---|
| 印地语配音 | 创作者 | 用两种声音之一把印地语文字变成语音 |
| 应用语音输出 | 开发者 | 在没有 GPU 的 CPU 上快速生成语音 |
| 模型比较 | 研究人员 | 与其他开源印地语模型对比的错误率 |
pip install -U huggingface_hub hf download sulabhkatiyar/indic-tiny-tts-hindi
你把用天城文书写的印地语文字交给模型,并选择女声或男声。这里给出的模型卡部分没有运行命令,所以请按完整模型卡里的运行步骤操作。
| Tool | What it does |
|---|---|
| hf download | 把模型文件下载到你的电脑 |
| PyTorch | 在 CPU 或 GPU 上运行模型 |
| ONNX Runtime | 在 CPU 上运行模型的另一种方式 |
你传入一句天城文书写的印地语新闻,选择男声。模型返回这句话的语音,在单个 Apple M1 CPU 线程上,它的说话速度约为实时的 38 倍。
如果你是新手,先用上面两条命令下载文件,再打开模型卡的 Listen 部分听听样例。然后试着输入一句你自己的短印地语句子。
如果你熟悉这个领域:它用 AI4Bharat Rasa 里每种声音 8 小时的印地语子集训练,采样率 24 kHz。模型卡在新闻句子和留出的测试句子上测量字符错误率。代价是只有一种语言和两种声音。
用女声或男声朗读天城文书写的印地语文字,小到可以在没有 GPU 的 CPU 上运行。适合给应用加入印地语语音的开发者。
由 sulabhkatiyar 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:Indic Tiny TTS: Hindi 是一个面向印地语的小型文字转语音模型。它用女声或男声朗读天城文,有 2250 万个参数。它可以用 PyTorch 或 ONNX Runtime 运行,不需要 GPU。
适合谁:它适合想在普通硬件上获得印地语语音的开发者,也适合按错误率比较小型语音模型的研究人员。
Industry | Who uses it | How they use it | Example
软件 | 应用开发者 | 在没有 GPU 的设备上朗读印地语文字 | 在应用里读出一句新闻
媒体 | 内容创作者 | 用女声或男声给印地语旁白配音 | 给一段短视频录旁白
教育 | 语言学习产品开发者 | 给课程加入印地语语音 | 给学习者播放练习句子
研究 | 语音研究人员 | 按字符错误率比较小型模型 | 阅读模型卡里的基准表
如果你需要印地语以外的任何语言,可以跳过它,因为这个模型只说印地语。
用在哪里:
Use case | Who | What they get back
印地语配音 | 创作者 | 用两种声音之一把印地语文字变成语音
应用语音输出 | 开发者 | 在没有 GPU 的 CPU 上快速生成语音
模型比较 | 研究人员 | 与其他开源印地语模型对比的错误率
如何设置:
pip install -U huggingface_hub
hf download sulabhkatiyar/indic-tiny-tts-hindi
如何使用:你把用天城文书写的印地语文字交给模型,并选择女声或男声。这里给出的模型卡部分没有运行命令,所以请按完整模型卡里的运行步骤操作。
Tool | What it does
hf download | 把模型文件下载到你的电脑
PyTorch | 在 CPU 或 GPU 上运行模型
ONNX Runtime | 在 CPU 上运行模型的另一种方式
示例:你传入一句天城文书写的印地语新闻,选择男声。模型返回这句话的语音,在单个 Apple M1 CPU 线程上,它的说话速度约为实时的 38 倍。
新手与专家:如果你是新手,先用上面两条命令下载文件,再打开模型卡的 Listen 部分听听样例。然后试着输入一句你自己的短印地语句子。
如果你熟悉这个领域:它用 AI4Bharat Rasa 里每种声音 8 小时的印地语子集训练,采样率 24 kHz。模型卡在新闻句子和留出的测试句子上测量字符错误率。代价是只有一种语言和两种声音。
你给出天城文书写的印地语文字
你选择女声或男声
模型合成语音
你拿回音频
注意事项:
Title: 新闻句子上的字符错误率,越低越好
本模型: 1.64 %
Kokoro: 1.56 %
Indic Parler TTS: 2.23 %
Coqui XTTS: 2.37 %
MMS Hindi: 3.83 %
SYSPIN VITS Hindi: 5.58 %
Title: 速度,实时速度的倍数
Apple M1 CPU,1 个线程: 38 倍实时
Intel Xeon CPU,1 个线程: 7 倍实时
NVIDIA T4 GPU: 62 倍实时
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download sulabhkatiyar/indic-tiny-tts-hindi
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 |
|---|---|---|---|---|---|
| Indic Tiny TTS: Hindi 本页 | 508 | 2 | 8.9M | cc-by-4.0 | |
| Supertonic 3共有 speech-synthesis · on-device · text-to-speech | 92,359 | 1,043 | — | openrail | |
| ZeroTTS共有 speech-synthesis · text-to-speech · onnx | 8,091 | 54 | — | mit | |
| Klein-TTS-X1.5-Pro共有 on-device · text-to-speech · onnx | 258 | 10 | 13.1M | apache-2.0 | |
| Maya 2 Native共有 speech-synthesis · text-to-speech · safetensors | 5,774 | 170 | 2.5B | apache-2.0 | |
| Confucius4-TTS共有 speech-synthesis · text-to-speech · safetensors | 2,190 | 46 | — | apache-2.0 |
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。
alirezarezvani · 技能
为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。
block · 工具包
可自行托管的工作空间,人和 AI 智能体在同样的房间里协作,基于 Nostr 中继,把每个动作记录为签名事件。适合想自己运行中继的团队。
backnotprop · 工具包
把你的 AI 编程智能体的计划、规格和代码改动在浏览器里打开,让你加批注或评论,并把反馈直接发回给智能体。