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 Gradio 演示,使用为潮州话微调过的 Whisper 语音模型,适合想在浏览器或自己电脑上试用这种汉语地方语言语音识别的人。
Teochew Whisper 是一款工具包,属于研究类,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 panlr/teochew_whisper --repo-type space --local-dir teochew_whisper cd teochew_whisper
Teochew Whisper 是一个潮州话的语音识别演示,潮州话是一种汉语地方语言。从模型名 panlr/whisper-finetune-teochew 来看,它运行一个为潮州话语音微调过的 Whisper 模型。仓库里还有一个名为 example.wav 的示例音频文件。
适合处理潮州话语音,想看看自动转写能做到什么程度的人。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 语言学 | 研究人员 | 在一种地方语言上测试自动转写 | 把一段简短的潮州话录音放进演示里 |
| 语音技术 | 开发者 | 看微调过的 Whisper 模型怎么处理小语种 | 把它的输出和你信得过的文字稿对比 |
| 语言学习 | 学习者和传承语使用者 | 把说出的短语和书面文字对照 | 录一句短话并读取返回的文字 |
如果你需要别的语言或方言,可以跳过它。
你可以在线使用,也可以自己运行一份副本。
| Use case | Who | What they get back |
|---|---|---|
| 转写潮州话语音 | 研究人员 | 由语音录音生成的文字 |
| 试用示例音频 | 好奇的人 | 随附的 example.wav 文件的识别结果 |
| 测试微调模型 | 开发者 | 快速看看它在自己选的音频上的表现 |
托管的演示什么都不用装。本地副本需要 Python 和 pip。
pip install -U huggingface_hub hf download panlr/teochew_whisper --repo-type space --local-dir teochew_whisper cd teochew_whisper pip install gradio==5.21.0 pip install -r requirements.txt python app.py
在线打开这个 Space,或者用下面的命令启动你的副本。然后用页面上的控件提供一段潮州话录音,再看它返回的文字。
python app.py
| Tool | What it does |
|---|---|
| app.py | 用 Python 运行它时启动 Gradio 页面 |
| example.wav | 可以用来试用演示的示例音频文件 |
| requirements.txt | 列出应用需要的 Python 包 |
你打开 Space,给它一段简短的潮州话录音,比如随附的 example.wav。页面会把它听到的内容以文字形式返回。
如果你刚接触,先试示例音频,再试一段你自己的短录音。简短清晰的音频最适合做测试。
如果你熟悉这个领域,这个演示封装了一个社区对 Whisper 的微调模型,面向通用语音模型覆盖较少的语言。前端是 Gradio 5.21.0,托管的副本运行在 CPU 档上。说明里没有给出准确率数字或训练数据细节。
Space 的说明很简短,所以请打开页面,亲自看它具体返回什么。
一个 Gradio 演示,使用为潮州话微调过的 Whisper 语音模型,适合想在浏览器或自己电脑上试用这种汉语地方语言语音识别的人。
由 panlr 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:Teochew Whisper 是一个潮州话的语音识别演示,潮州话是一种汉语地方语言。从模型名 panlr/whisper-finetune-teochew 来看,它运行一个为潮州话语音微调过的 Whisper 模型。仓库里还有一个名为 example.wav 的示例音频文件。
适合谁:适合处理潮州话语音,想看看自动转写能做到什么程度的人。
Title: 谁会用这个演示
Industry | Who uses it | How they use it | Example
语言学 | 研究人员 | 在一种地方语言上测试自动转写 | 把一段简短的潮州话录音放进演示里
语音技术 | 开发者 | 看微调过的 Whisper 模型怎么处理小语种 | 把它的输出和你信得过的文字稿对比
语言学习 | 学习者和传承语使用者 | 把说出的短语和书面文字对照 | 录一句短话并读取返回的文字
如果你需要别的语言或方言,可以跳过它。
用在哪里:你可以在线使用,也可以自己运行一份副本。
Title: 这个演示适合做什么
Use case | Who | What they get back
转写潮州话语音 | 研究人员 | 由语音录音生成的文字
试用示例音频 | 好奇的人 | 随附的 example.wav 文件的识别结果
测试微调模型 | 开发者 | 快速看看它在自己选的音频上的表现
如何设置:托管的演示什么都不用装。本地副本需要 Python 和 pip。
pip install -U huggingface_hub
hf download panlr/teochew_whisper --repo-type space --local-dir teochew_whisper
cd teochew_whisper
pip install gradio==5.21.0
pip install -r requirements.txt
python app.py
如何使用:在线打开这个 Space,或者用下面的命令启动你的副本。然后用页面上的控件提供一段潮州话录音,再看它返回的文字。
python app.py
Title: 你会接触到的文件
Tool | What it does
app.py | 用 Python 运行它时启动 Gradio 页面
example.wav | 可以用来试用演示的示例音频文件
requirements.txt | 列出应用需要的 Python 包
示例:你打开 Space,给它一段简短的潮州话录音,比如随附的 example.wav。页面会把它听到的内容以文字形式返回。
新手与专家:如果你刚接触,先试示例音频,再试一段你自己的短录音。简短清晰的音频最适合做测试。
如果你熟悉这个领域,这个演示封装了一个社区对 Whisper 的微调模型,面向通用语音模型覆盖较少的语言。前端是 Gradio 5.21.0,托管的副本运行在 CPU 档上。说明里没有给出准确率数字或训练数据细节。
打开 Space 或运行 app.py
提供一段潮州话录音
微调后的 Whisper 模型聆听
你读到它返回的文字
注意事项:Space 的说明很简短,所以请打开页面,亲自看它具体返回什么。
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 |
|---|---|---|---|---|
| Teochew Whisper 本页 | 7 | gradio | cc-by-4.0 | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
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。
udiboy1209 · 工具包
用一个小型神经反编译器从编译后的二进制代码中还原数学公式,并提供论文里的数据集和训练好的模型。适合逆向工程师和研究者。
udgamlabs · 工具包
把文字提示,或文字加首帧图片,变成 2 秒、256×256 的视频片段,使用 212M 参数的生成器。这是一个小型研究版本,最擅长海浪、火焰和下雪的天空。
Tsuboyama-Lab · 工具包
预测一条蛋白质序列在大肠杆菌里能以单体形式表达多少,单位为 log10 mg/L。提供 ESMC-6B 和 SaProt 的已训练 LoRA 适配器和回归头,面向蛋白质研究人员。