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。
在 Gradio 页面上用 Qwen3-TTS 模型把输入的文字变成语音,可在浏览器里用,也能在自己的电脑上运行。适合想听听模型声音或看看这个演示怎么搭的人。
Qwen3-TTS Demo 是一款工具包,属于效率类,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 Qwen/Qwen3-TTS --repo-type space --local-dir Qwen3-TTS cd Qwen3-TTS
Qwen3-TTS Demo 是 Qwen 团队做的 Gradio 页面,用来试用他们的文字转语音模型。它提到三个 1.7B 检查点,分别叫 Base、CustomVoice 和 VoiceDesign。你可以直接在浏览器里使用,不需要安装任何东西。
它适合想听听现代开源语音模型是什么声音的人,也适合想看这类演示怎么搭建的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 开发者 | 在给应用加入语音之前先读演示代码 | 浏览 app.py 和 qwen_tts 文件夹 |
| 媒体 | 内容创作者 | 试听一小段脚本的语音版本 | 输入几行文字,播放返回的音频 |
| 研究 | 语音研究人员 | 在一个地方对比提到的三个检查点 | 把同一段文字交给 Space 里提到的每个模型 |
| 教育 | 老师和学生 | 听人读出书面材料 | 粘贴一小段文字并听它 |
如果你需要有自己应用和支持的成品,可以跳过它,因为这只是一个演示页面。
| 使用场景 | 谁用 | 得到什么 |
|---|---|---|
| 把文字读出来 | 创作者 | 为你给出的文字生成的语音 |
| 试用提到的模型 | 研究人员 | 一个能听 Base、CustomVoice 和 VoiceDesign 的地方 |
| 研究演示 | 开发者 | 一个可以阅读和修改的小型 Gradio 应用 |
在线页面不需要准备任何东西。本地副本需要 Python 和 requirements.txt 里列出的包。
pip install -U huggingface_hub hf download Qwen/Qwen3-TTS --repo-type space --local-dir Qwen3-TTS cd Qwen3-TTS pip install gradio==5.33.0 pip install -r requirements.txt python app.py
打开这个 Space 的页面,使用它显示的表单。如果是本地副本,运行上面最后一条命令,然后在浏览器里打开它打印出的地址。
python app.py
你打开页面,给它一小段文字,要求生成语音。页面运行一个模型,返回可以在浏览器里播放的音频。
先打开在线页面,给它一个短句。先播放返回的音频,再尝试更长的内容。
这个应用用 Gradio 5.33.0 搭建,主文件是 app.py。Hugging Face 上的副本运行在 ZeroGPU 硬件上,它会按请求分配 GPU。仓库里有 app.py、一个 qwen_tts 文件夹和 requirements.txt。记录里没有 README,所以没有说明页面的设置,也没有说明三个检查点各有什么不同。
在 Gradio 页面上用 Qwen3-TTS 模型把输入的文字变成语音,可在浏览器里用,也能在自己的电脑上运行。适合想听听模型声音或看看这个演示怎么搭的人。
由 Qwen 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:Qwen3-TTS Demo 是 Qwen 团队做的 Gradio 页面,用来试用他们的文字转语音模型。它提到三个 1.7B 检查点,分别叫 Base、CustomVoice 和 VoiceDesign。你可以直接在浏览器里使用,不需要安装任何东西。
适合谁:它适合想听听现代开源语音模型是什么声音的人,也适合想看这类演示怎么搭建的开发者。
行业 | 谁在用 | 怎么用 | 例子
软件 | 开发者 | 在给应用加入语音之前先读演示代码 | 浏览 app.py 和 qwen_tts 文件夹
媒体 | 内容创作者 | 试听一小段脚本的语音版本 | 输入几行文字,播放返回的音频
研究 | 语音研究人员 | 在一个地方对比提到的三个检查点 | 把同一段文字交给 Space 里提到的每个模型
教育 | 老师和学生 | 听人读出书面材料 | 粘贴一小段文字并听它
如果你需要有自己应用和支持的成品,可以跳过它,因为这只是一个演示页面。
用在哪里:
使用场景 | 谁用 | 得到什么
把文字读出来 | 创作者 | 为你给出的文字生成的语音
试用提到的模型 | 研究人员 | 一个能听 Base、CustomVoice 和 VoiceDesign 的地方
研究演示 | 开发者 | 一个可以阅读和修改的小型 Gradio 应用
如何设置:在线页面不需要准备任何东西。本地副本需要 Python 和 requirements.txt 里列出的包。
pip install -U huggingface_hub
hf download Qwen/Qwen3-TTS --repo-type space --local-dir Qwen3-TTS
cd Qwen3-TTS
pip install gradio==5.33.0
pip install -r requirements.txt
python app.py
如何使用:打开这个 Space 的页面,使用它显示的表单。如果是本地副本,运行上面最后一条命令,然后在浏览器里打开它打印出的地址。
python app.py
示例:你打开页面,给它一小段文字,要求生成语音。页面运行一个模型,返回可以在浏览器里播放的音频。
新手与专家:先打开在线页面,给它一个短句。先播放返回的音频,再尝试更长的内容。
这个应用用 Gradio 5.33.0 搭建,主文件是 app.py。Hugging Face 上的副本运行在 ZeroGPU 硬件上,它会按请求分配 GPU。仓库里有 app.py、一个 qwen_tts 文件夹和 requirements.txt。记录里没有 README,所以没有说明页面的设置,也没有说明三个检查点各有什么不同。
打开页面
给它要朗读的文字
Qwen3-TTS 模型运行
播放音频
注意事项:
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 |
|---|---|---|---|---|
| Qwen3-TTS Demo 本页 | 2,410 | gradio | apache-2.0 | |
| MusicGen共有 gradio | 5,116 | gradio | cc-by-nc-4.0 | |
| Kokoro TTS共有 gradio | 3,556 | gradio | apache-2.0 | |
| Background Removal共有 gradio | 2,988 | gradio | mit | |
| Omni Image Editor共有 gradio | 2,922 | gradio | mit | |
| Diffusers Image Outpaint共有 gradio | 2,565 | gradio | 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。
op7418 · 技能
能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。
zarazhangrui · 技能
从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。
iptv-org · 工具包
把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。