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。
用混合专家视频模型,根据文字提示词生成 5 秒、480P 或 720P 的视频。适合想用开源文生视频模型的创作者和开发者。
Wan2.2-T2V-A14B 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 Wan-AI/Wan2.2-T2V-A14B
Wan2.2-T2V-A14B 是 Wan-AI 的 Wan2.2 系列中的文生视频模型。它根据提示词生成 5 秒、480P 或 720P 的片段。它采用混合专家设计,由不同的专家模型处理去噪过程的不同阶段。
想要一个能自己运行的开源文生视频模型的创作者、研究人员和开发者,它支持 ComfyUI 和 Diffusers。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 影视和媒体 | 视频创作者 | 根据文字描述的场景生成短片 | 一个所描述场景的 5 秒 720P 片段 |
| 营销 | 内容团队 | 拍摄前先草拟动态创意 | 根据文字说明得到一个简短的视觉概念 |
| 研究 | AI 研究人员 | 研究混合专家视频扩散 | 与 5B 混合模型做比较 |
如果你只有小显卡,可以跳过它,因为卡片说 5B 模型才是为消费级显卡准备的。
| Use case | Who | What they get back |
|---|---|---|
| 文生视频 | 创作者 | 一个 480P 或 720P 的 5 秒片段 |
| 电影感风格控制 | 电影制作人 | 由提示词里的光线、构图和色彩词汇塑造的视频 |
| 研究基线 | 研究人员 | 一个可供对比的开源模型 |
pip install -U huggingface_hub hf download Wan-AI/Wan2.2-T2V-A14B
cd Wan2.2
# Ensure torch >= 2.4.0 pip install -r requirements.txt
用文字提示词和下载好的模型文件夹运行 Wan2.2 推理代码,或者使用 ComfyUI 或 Diffusers 集成。卡片的 Run 部分列出了具体的生成选项。
你描述一个带光线和镜头细节的场景,请它生成 5 秒的 720P 片段。模型返回这个场景的视频。
如果你是新手,先试 ComfyUI 或 Diffusers 的路线,再用命令行,并从 480P 开始,让运行更轻松。
Wan2.2 把去噪过程按时间步分给专门的专家模型。这样总容量变大了,而每一步的计算量不变。训练数据包含光线、构图、对比度和色调的美学标签,规模也比 Wan2.1 更大,图像多 65.6%,视频多 83.2%。
用混合专家视频模型,根据文字提示词生成 5 秒、480P 或 720P 的视频。适合想用开源文生视频模型的创作者和开发者。
由 Wan-AI 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:Wan2.2-T2V-A14B 是 Wan-AI 的 Wan2.2 系列中的文生视频模型。它根据提示词生成 5 秒、480P 或 720P 的片段。它采用混合专家设计,由不同的专家模型处理去噪过程的不同阶段。
适合谁:想要一个能自己运行的开源文生视频模型的创作者、研究人员和开发者,它支持 ComfyUI 和 Diffusers。
Industry | Who uses it | How they use it | Example
影视和媒体 | 视频创作者 | 根据文字描述的场景生成短片 | 一个所描述场景的 5 秒 720P 片段
营销 | 内容团队 | 拍摄前先草拟动态创意 | 根据文字说明得到一个简短的视觉概念
研究 | AI 研究人员 | 研究混合专家视频扩散 | 与 5B 混合模型做比较
如果你只有小显卡,可以跳过它,因为卡片说 5B 模型才是为消费级显卡准备的。
用在哪里:
Use case | Who | What they get back
文生视频 | 创作者 | 一个 480P 或 720P 的 5 秒片段
电影感风格控制 | 电影制作人 | 由提示词里的光线、构图和色彩词汇塑造的视频
研究基线 | 研究人员 | 一个可供对比的开源模型
如何设置:
pip install -U huggingface_hub
hf download Wan-AI/Wan2.2-T2V-A14B
cd Wan2.2
# Ensure torch >= 2.4.0
pip install -r requirements.txt
如何使用:用文字提示词和下载好的模型文件夹运行 Wan2.2 推理代码,或者使用 ComfyUI 或 Diffusers 集成。卡片的 Run 部分列出了具体的生成选项。
示例:你描述一个带光线和镜头细节的场景,请它生成 5 秒的 720P 片段。模型返回这个场景的视频。
新手与专家:如果你是新手,先试 ComfyUI 或 Diffusers 的路线,再用命令行,并从 480P 开始,让运行更轻松。
Wan2.2 把去噪过程按时间步分给专门的专家模型。这样总容量变大了,而每一步的计算量不变。训练数据包含光线、构图、对比度和色调的美学标签,规模也比 Wan2.1 更大,图像多 65.6%,视频多 83.2%。
你写一段文字提示词
一个专家处理早期去噪步骤
另一个专家处理后期步骤
输出 5 秒的 480P 或 720P 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 Wan-AI/Wan2.2-T2V-A14B
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 4 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 |
|---|---|---|---|---|---|
| Wan2.2-T2V-A14B 本页 | 3,339 | 610 | — | apache-2.0 | |
| Vimoo-1.0共有 text-to-video · safetensors · diffusers | 57 | 18 | 11.7B | apache-2.0 | |
| Minimax-h3_Singularity共有 text-to-video | 1,145,318 | 986 | — | apache-2.0 | |
| HiDream-I1-Full共有 safetensors · diffusers | 695 | 1,015 | 17.1B | mit | |
| Minimax H3 Latent Upscaler共有 safetensors | 354,859 | 489 | — | apache-2.0 | |
| SenseNova 6.8 Code2Video共有 safetensors | 1,460 | 107 | 27.4B | apache-2.0 |
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。
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。