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。
把 Wan 2.2 视频模型和相关文件打包成 ComfyUI 能加载的形式,涵盖图生视频、文生视频、相机控制等。适合在 ComfyUI 里生成视频的人。
Wan 2.2 是一款工具包,属于营销类,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 Comfy-Org/Wan-2.2
这个仓库把 Wan 2.2 模型文件整理成 ComfyUI 能加载的形式。它汇集了 Wan-AI、alibaba-pai、nvidia 和 lightx2v 的发布内容,所以一次下载就涵盖图生视频、文生视频、语音生视频、角色动画、相机控制、局部重绘和图像编辑。
在 ComfyUI 里制作 AI 视频、想把模型、文本编码器、VAE 和 LoRA 文件集中在一处的人。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 影视和媒体 | 视频创作者 | 根据文字提示词或起始图生成片段 | 把静态图变成运动镜头 |
| 营销 | 内容团队 | 用相机控制做短广告 | 给产品镜头加上运镜 |
| 动画 | 动画师 | 用音频或控制视频驱动角色或场景 | 用语音生视频工作流让场景动起来 |
如果你不用 ComfyUI,可以跳过,改用原始模型仓库。
| Use case | Who | What they get back |
|---|---|---|
| 图生视频 | 创作者 | 从你的图片开始的视频 |
| 文生视频 | 创作者 | 根据提示词做出的视频 |
| 图像编辑 | 设计师 | ChronoEdit 工作流编辑后的图像 |
pip install -U huggingface_hub hf download Comfy-Org/Wan-2.2
卡片把文件分到 ComfyUI/models 下的这些文件夹:
在 ComfyUI 里打开一个工作流模板,加载对应的模型文件,加入提示词或起始图,然后运行。
| Tool | What it does |
|---|---|
| Image to Video | 用 14B 模型让起始图动起来 |
| First-Last Frame to Video | 在首帧和尾帧之间补出动作 |
| Text to Video | 用 14B 模型根据提示词做视频 |
| 5B Video Generation | 运行较小的 5B 模型 |
| Fun Control and Fun Camera Control | 用控制输入或相机路径引导视频 |
| S2V | 用音频驱动视频 |
| ChronoEdit | 编辑图像 |
你在 ComfyUI 里打开 14B 图生视频工作流,选好 Wan 2.2 文件,加入一张静态照片和一句简短的提示词,然后运行。你会得到一段从照片开始的视频。
如果你是新手,先用一个工作流模板和它点名的文件。先让一个片段跑通,再试控制或相机版本。
许多 14B 文件成对出现,分高噪声和低噪声两种,有 fp16、bf16 和 fp8 缩放等形式,较小的 fp8 文件占用内存更少。还包含 lightx2v 的 4 步采样 LoRA,用于加快运行。每个模型都要搭配它的工作流所需要的 VAE 和文本编码器。
把 Wan 2.2 视频模型和相关文件打包成 ComfyUI 能加载的形式,涵盖图生视频、文生视频、相机控制等。适合在 ComfyUI 里生成视频的人。
由 Comfy-Org 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:这个仓库把 Wan 2.2 模型文件整理成 ComfyUI 能加载的形式。它汇集了 Wan-AI、alibaba-pai、nvidia 和 lightx2v 的发布内容,所以一次下载就涵盖图生视频、文生视频、语音生视频、角色动画、相机控制、局部重绘和图像编辑。
适合谁:在 ComfyUI 里制作 AI 视频、想把模型、文本编码器、VAE 和 LoRA 文件集中在一处的人。
Industry | Who uses it | How they use it | Example
影视和媒体 | 视频创作者 | 根据文字提示词或起始图生成片段 | 把静态图变成运动镜头
营销 | 内容团队 | 用相机控制做短广告 | 给产品镜头加上运镜
动画 | 动画师 | 用音频或控制视频驱动角色或场景 | 用语音生视频工作流让场景动起来
如果你不用 ComfyUI,可以跳过,改用原始模型仓库。
用在哪里:
Use case | Who | What they get back
图生视频 | 创作者 | 从你的图片开始的视频
文生视频 | 创作者 | 根据提示词做出的视频
图像编辑 | 设计师 | ChronoEdit 工作流编辑后的图像
如何设置:
pip install -U huggingface_hub
hf download Comfy-Org/Wan-2.2
卡片把文件分到 ComfyUI/models 下的这些文件夹:
如何使用:在 ComfyUI 里打开一个工作流模板,加载对应的模型文件,加入提示词或起始图,然后运行。
Tool | What it does
Image to Video | 用 14B 模型让起始图动起来
First-Last Frame to Video | 在首帧和尾帧之间补出动作
Text to Video | 用 14B 模型根据提示词做视频
5B Video Generation | 运行较小的 5B 模型
Fun Control and Fun Camera Control | 用控制输入或相机路径引导视频
S2V | 用音频驱动视频
ChronoEdit | 编辑图像
示例:你在 ComfyUI 里打开 14B 图生视频工作流,选好 Wan 2.2 文件,加入一张静态照片和一句简短的提示词,然后运行。你会得到一段从照片开始的视频。
新手与专家:如果你是新手,先用一个工作流模板和它点名的文件。先让一个片段跑通,再试控制或相机版本。
许多 14B 文件成对出现,分高噪声和低噪声两种,有 fp16、bf16 和 fp8 缩放等形式,较小的 fp8 文件占用内存更少。还包含 lightx2v 的 4 步采样 LoRA,用于加快运行。每个模型都要搭配它的工作流所需要的 VAE 和文本编码器。
下载仓库文件
放进 ComfyUI 的模型文件夹
打开一个工作流模板
选择文件并加入提示词
运行得到视频
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download Comfy-Org/Wan-2.2
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 |
|---|---|---|---|---|---|
| Wan 2.2 本页 | 9,760,687 | 1,020 | — | apache-2.0 | |
| Minimax-h3_Singularity共有 image-to-video · comfyui | 1,145,318 | 986 | — | apache-2.0 | |
| Vimoo-1.0共有 image-to-video | 57 | 18 | 11.7B | apache-2.0 | |
| Minimax H3 Latent Upscaler共有 comfyui | 354,859 | 489 | — | apache-2.0 | |
| BFS: Best Face Swap共有 comfyui | 218,283 | 1,561 | — | mit | |
| MOSS-Image-pose-controlnet共有 comfyui | 813 | 17 | — | 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。
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
nerijs · 工具包
一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。
LiconStudio · 工具包
给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。