Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
用两阶段 U-Net 去除老唱片录音里的噪声,并返回清理后的 WAV 文件。它在 CPU 上运行,适合档案管理员、音频修复者和音乐史研究者。
Denoising U-Net 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 teamup-tech/Denoising-UNet --repo-type space --local-dir Denoising-UNet cd Denoising-UNet
Denoising U-Net 能清除历史唱片录音里的噪声。你上传一段录音,就会得到一个去噪后的 WAV 文件。它基于 Moliner 和 Välimäki 的两阶段 U-Net,以 HARP 端点的形式提供,在 CPU 上运行。
适合处理老式虫胶唱片和留声机录音的档案管理员、音频修复者、音乐史研究者和爱好者。想不用安装就试用这个模型的研究人员也适合。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 档案馆 | 声音档案管理员 | 清理数字化的唱片,制作供聆听的副本 | 在编目之前先给转录的唱片去噪 |
| 音乐 | 音乐史研究者 | 让老录音更容易听清 | 听一张稀有唱片,表面噪声更少 |
| 音频修复 | 修复者和爱好者 | 在有噪声的转录上试用神经网络去噪器 | 把清理后的文件和原文件对比 |
| 研究 | 音频研究人员 | 在自己的材料上测试两阶段模型 | 在一段样本录音上运行这个检查点 |
如果你的录音是现代的、很干净,或者需要立体声输出,可以跳过它,因为输入会被转成单声道。
| Use case | Who | What they get back |
|---|---|---|
| 给唱片录音去噪 | 档案管理员 | 一个清理过的 WAV 文件 |
| 不用安装就试用模型 | 研究人员 | 在浏览器里用 CPU 运行的原始检查点 |
| 为聆听准备录音 | 历史研究者 | 一个 44.1 kHz 的单声道文件 |
pip install -U huggingface_hub hf download teamup-tech/Denoising-UNet --repo-type space --local-dir Denoising-UNet cd Denoising-UNet pip install gradio==6.24.0 pip install -r requirements.txt python app.py
在浏览器里打开这个 Space,或者用下面的命令启动本地副本,再打开 Gradio 提供的页面。上传一段录音,等待去噪后的 WAV 文件。页面会先把你的音频折叠成采样率为 44.1 kHz 的单声道。
python app.py
你上传一张表面噪声很重的数字化唱片。应用把它转成 44.1 kHz 的单声道,在 CPU 上运行 U-Net,然后还给你一个更干净的 WAV 文件。
如果你刚接触这类工具,打开这个 Space,上传一段老录音的短片段。把结果和原声放在一起播放,听听嘶嘶声有没有变化。
如果你熟悉这个领域,这是 Moliner 和 Välimäki 的两阶段去噪 U-Net,为历史唱片材料而做。这个 Space 带有原始检查点,推理在 CPU 上进行。代价是流程固定:一切都被转成单声道并重采样,所以立体声细节会丢失。
用两阶段 U-Net 去除老唱片录音里的噪声,并返回清理后的 WAV 文件。它在 CPU 上运行,适合档案管理员、音频修复者和音乐史研究者。
由 teamup-tech 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:Denoising U-Net 能清除历史唱片录音里的噪声。你上传一段录音,就会得到一个去噪后的 WAV 文件。它基于 Moliner 和 Välimäki 的两阶段 U-Net,以 HARP 端点的形式提供,在 CPU 上运行。
适合谁:适合处理老式虫胶唱片和留声机录音的档案管理员、音频修复者、音乐史研究者和爱好者。想不用安装就试用这个模型的研究人员也适合。
Title: 谁在修复老录音
Industry | Who uses it | How they use it | Example
档案馆 | 声音档案管理员 | 清理数字化的唱片,制作供聆听的副本 | 在编目之前先给转录的唱片去噪
音乐 | 音乐史研究者 | 让老录音更容易听清 | 听一张稀有唱片,表面噪声更少
音频修复 | 修复者和爱好者 | 在有噪声的转录上试用神经网络去噪器 | 把清理后的文件和原文件对比
研究 | 音频研究人员 | 在自己的材料上测试两阶段模型 | 在一段样本录音上运行这个检查点
如果你的录音是现代的、很干净,或者需要立体声输出,可以跳过它,因为输入会被转成单声道。
用在哪里:
Use case | Who | What they get back
给唱片录音去噪 | 档案管理员 | 一个清理过的 WAV 文件
不用安装就试用模型 | 研究人员 | 在浏览器里用 CPU 运行的原始检查点
为聆听准备录音 | 历史研究者 | 一个 44.1 kHz 的单声道文件
如何设置:
pip install -U huggingface_hub
hf download teamup-tech/Denoising-UNet --repo-type space --local-dir Denoising-UNet
cd Denoising-UNet
pip install gradio==6.24.0
pip install -r requirements.txt
python app.py
如何使用:在浏览器里打开这个 Space,或者用下面的命令启动本地副本,再打开 Gradio 提供的页面。上传一段录音,等待去噪后的 WAV 文件。页面会先把你的音频折叠成采样率为 44.1 kHz 的单声道。
python app.py
示例:你上传一张表面噪声很重的数字化唱片。应用把它转成 44.1 kHz 的单声道,在 CPU 上运行 U-Net,然后还给你一个更干净的 WAV 文件。
新手与专家:如果你刚接触这类工具,打开这个 Space,上传一段老录音的短片段。把结果和原声放在一起播放,听听嘶嘶声有没有变化。
如果你熟悉这个领域,这是 Moliner 和 Välimäki 的两阶段去噪 U-Net,为历史唱片材料而做。这个 Space 带有原始检查点,推理在 CPU 上进行。代价是流程固定:一切都被转成单声道并重采样,所以立体声细节会丢失。
你上传一段录音
它变成 44.1 kHz 的单声道
两阶段 U-Net 去除噪声
你下载清理后的 WAV
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 |
|---|---|---|---|---|
| Denoising U-Net 本页 | 1 | gradio | mit | |
| 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 |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
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。