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。
无需针对某个说话人训练,就能根据参考音频模仿声音,用于语音转换和文字转语音。这是 Amphion 项目里 Vevo 模型的演示,适合研究者和音频开发者。
Vevo for Zero-shot VC, TTS, and More 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 amphion/Vevo --repo-type space --local-dir Vevo cd Vevo
这个 Space 演示 Vevo,一个可控的零样本声音模仿模型。零样本的意思是,它只凭一段参考音频,就能模仿从未训练过的声音。标题里把语音转换和文字转语音列为它的用途。
它适合想听听当前声音模仿模型效果的语音研究者和音频开发者。正在学习语音转换和文字转语音原理的学生也适合用它。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 语音研究者 | 试听一个已发表的声音模仿模型 | 把输出和参考音频对比 |
| 软件 | 音频开发者 | 判断模型是否适合某个产品想法 | 在一段短样本上试语音转换 |
| 教育 | 学生 | 了解零样本声音克隆是什么意思 | 运行文字转语音并听结果 |
| 媒体 | 音频制作人 | 在自己的录音上测试声音模仿 | 转换一段自己录制的音频 |
需要现成的、可用于生产的语音服务的人可以跳过它,因为这是一个研究演示。
这个演示可以在两个地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 语音转换 | 研究者 | 带有参考声音风格的语音 |
| 文字转语音 | 开发者 | 由输入的文字生成的语音 |
| 模型演示 | 学生 | 亲手体验零样本声音模仿 |
在线页面不需要安装任何东西。本地副本需要下面这些。
pip install -U huggingface_hub hf download amphion/Vevo --repo-type space --local-dir Vevo cd Vevo pip install gradio==5.25.2 pip install -r requirements.txt python app.py
在浏览器里打开页面,给它一段参考声音和要朗读的内容,然后听结果。在本地副本上,用下面这条命令启动页面。
python app.py
| 工具 | 作用 |
|---|---|
| Vevo | Space 指定的模型,以零样本方式模仿声音 |
| app.py | 存放 Gradio 页面 |
| requirements.txt | 列出应用需要的 Python 包 |
你提供一段简短的声音录音和一句文字。页面会返回这句话的音频,声音模仿你给的参考。
如果你刚接触这类工具,先用一段清晰的短参考录音和一句短话。听听结果,再换一段参考,听声音有什么变化。
如果你熟悉这个领域,这个 Space 是 amphion/Vevo 模型的前端,运行在配有 A10G 硬件的 ZeroGPU Space 上。页面没有给出架构说明,所以训练数据、限制和各控件的含义要去看模型自己的文档。
Space 页面只有一行描述。它没有列出使用规则,所以请只使用你有权复制的声音。
无需针对某个说话人训练,就能根据参考音频模仿声音,用于语音转换和文字转语音。这是 Amphion 项目里 Vevo 模型的演示,适合研究者和音频开发者。
由 amphion 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 演示 Vevo,一个可控的零样本声音模仿模型。零样本的意思是,它只凭一段参考音频,就能模仿从未训练过的声音。标题里把语音转换和文字转语音列为它的用途。
适合谁:它适合想听听当前声音模仿模型效果的语音研究者和音频开发者。正在学习语音转换和文字转语音原理的学生也适合用它。
行业 | 谁在用 | 怎么用 | 例子
研究 | 语音研究者 | 试听一个已发表的声音模仿模型 | 把输出和参考音频对比
软件 | 音频开发者 | 判断模型是否适合某个产品想法 | 在一段短样本上试语音转换
教育 | 学生 | 了解零样本声音克隆是什么意思 | 运行文字转语音并听结果
媒体 | 音频制作人 | 在自己的录音上测试声音模仿 | 转换一段自己录制的音频
需要现成的、可用于生产的语音服务的人可以跳过它,因为这是一个研究演示。
用在哪里:这个演示可以在两个地方运行。
Use case | Who | What they get back
语音转换 | 研究者 | 带有参考声音风格的语音
文字转语音 | 开发者 | 由输入的文字生成的语音
模型演示 | 学生 | 亲手体验零样本声音模仿
如何设置:在线页面不需要安装任何东西。本地副本需要下面这些。
pip install -U huggingface_hub
hf download amphion/Vevo --repo-type space --local-dir Vevo
cd Vevo
pip install gradio==5.25.2
pip install -r requirements.txt
python app.py
如何使用:在浏览器里打开页面,给它一段参考声音和要朗读的内容,然后听结果。在本地副本上,用下面这条命令启动页面。
python app.py
工具 | 作用
Vevo | Space 指定的模型,以零样本方式模仿声音
app.py | 存放 Gradio 页面
requirements.txt | 列出应用需要的 Python 包
示例:你提供一段简短的声音录音和一句文字。页面会返回这句话的音频,声音模仿你给的参考。
新手与专家:如果你刚接触这类工具,先用一段清晰的短参考录音和一句短话。听听结果,再换一段参考,听声音有什么变化。
如果你熟悉这个领域,这个 Space 是 amphion/Vevo 模型的前端,运行在配有 A10G 硬件的 ZeroGPU Space 上。页面没有给出架构说明,所以训练数据、限制和各控件的含义要去看模型自己的文档。
参考声音样本
文字或源语音
Vevo 模仿声音
返回音频
注意事项:Space 页面只有一行描述。它没有列出使用规则,所以请只使用你有权复制的声音。
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 |
|---|---|---|---|---|
| Vevo for Zero-shot VC, TTS, and More 本页 | 104 | gradio | mit | |
| 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 |
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。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。