upscaler
uwg · 工具包
收录来自 OpenModelDB 社区的一组图像放大模型,适合想在自己电脑上用 AI 放大低分辨率图片的人。
用 VITS 声音朗读 Afaan Oromoo 文字,并先把数字写成奥罗莫语单词。适合奥罗莫语使用者、学习者,以及想要 Gradio 语音演示的开发者。
Oromo VITS TTS 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 eyob7/TTS_Oromo --repo-type space --local-dir TTS_Oromo cd TTS_Oromo
Oromo VITS TTS 是一个 Afaan Oromoo 的文字转语音演示。它先把数字转成奥罗莫语单词,再用 VITS 声音朗读文字。声音来自随 Space 一起提供的编号 73000 的检查点,页面用 Gradio 和 Coqui VITS 搭建。
想听书面文字和数字被朗读出来的奥罗莫语使用者和学习者,以及想要一个 VITS 声音接在网页后面的小型可运行示例的开发者。
| 行业 | 使用者 | 使用方式 | 例子 |
|---|---|---|---|
| 教育 | 奥罗莫语学习者 | 听数字和单词是怎么读的 | 输入带后缀的数字并收听 |
| 媒体 | 内容制作者 | 快速做出一段短文的语音版本 | 粘贴一行短句并播放音频 |
| 软件 | 开发者 | 研究 VITS 检查点如何接在 Gradio 页面后面 | 在本地副本里读 app.py 和 config.json |
如果你需要 Afaan Oromoo 以外的语言,可以跳过它。
这个演示可以在这些地方运行:
| Use case | Who | What they get back |
|---|---|---|
| 听奥罗莫语文字被朗读 | 学习者和使用者 | 所输入文字的语音音频 |
| 把数字写成奥罗莫语 | 写带后缀数字的人 | 写成奥罗莫语单词的数字 |
| 本地运行 | 开发者 | 在自己电脑上运行的同一个 Gradio 应用 |
先准备好这几样:
这些步骤会下载包含检查点文件的 Space,再安装 Space 使用的 Gradio 版本,装好其他包并启动应用。
pip install -U huggingface_hub hf download eyob7/TTS_Oromo --repo-type space --local-dir TTS_Oromo cd TTS_Oromo pip install gradio==6.0.0 pip install -r requirements.txt python app.py
打开 Hugging Face 上的 Space 页面,或者用上面的最后一条命令启动本地副本。Gradio 会提供一个网页,你在上面输入奥罗莫语文字或带后缀的数字,然后收听语音。
python app.py
| Tool | What it does |
|---|---|
| hf download | 把 Space 的文件复制到你电脑上的文件夹 |
| python app.py | 在你自己的电脑上启动演示 |
你输入 400tti,文字会变成 dhibba afurtti,随后声音把它读出来。Space 自己的示例里,4m 会变成 meetira afur,300m 会变成 meetira dhibba sadii,方式相同。
如果你是新手,先打开 Space 页面,输入像 4mana 这样的数字并收听。文字这一步会先把它变成单词,再由声音朗读。这一步不用安装任何东西。
如果你熟悉这个领域:仓库里有一个 VITS 检查点 checkpoint_73000.pth 和它的 config.json,应用用 Coqui VITS 做合成。数字处理是模型前面的一道文字步骤,示例里像 mataa 和 mana 这样的后缀会保留在读出的数字后面。
卡片只列了几个示例,没有说明文字最长可以多长。
用 VITS 声音朗读 Afaan Oromoo 文字,并先把数字写成奥罗莫语单词。适合奥罗莫语使用者、学习者,以及想要 Gradio 语音演示的开发者。
由 eyob7 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:Oromo VITS TTS 是一个 Afaan Oromoo 的文字转语音演示。它先把数字转成奥罗莫语单词,再用 VITS 声音朗读文字。声音来自随 Space 一起提供的编号 73000 的检查点,页面用 Gradio 和 Coqui VITS 搭建。
适合谁:想听书面文字和数字被朗读出来的奥罗莫语使用者和学习者,以及想要一个 VITS 声音接在网页后面的小型可运行示例的开发者。
行业 | 使用者 | 使用方式 | 例子
教育 | 奥罗莫语学习者 | 听数字和单词是怎么读的 | 输入带后缀的数字并收听
媒体 | 内容制作者 | 快速做出一段短文的语音版本 | 粘贴一行短句并播放音频
软件 | 开发者 | 研究 VITS 检查点如何接在 Gradio 页面后面 | 在本地副本里读 app.py 和 config.json
如果你需要 Afaan Oromoo 以外的语言,可以跳过它。
用在哪里:这个演示可以在这些地方运行:
Use case | Who | What they get back
听奥罗莫语文字被朗读 | 学习者和使用者 | 所输入文字的语音音频
把数字写成奥罗莫语 | 写带后缀数字的人 | 写成奥罗莫语单词的数字
本地运行 | 开发者 | 在自己电脑上运行的同一个 Gradio 应用
如何设置:先准备好这几样:
这些步骤会下载包含检查点文件的 Space,再安装 Space 使用的 Gradio 版本,装好其他包并启动应用。
pip install -U huggingface_hub
hf download eyob7/TTS_Oromo --repo-type space --local-dir TTS_Oromo
cd TTS_Oromo
pip install gradio==6.0.0
pip install -r requirements.txt
python app.py
如何使用:打开 Hugging Face 上的 Space 页面,或者用上面的最后一条命令启动本地副本。Gradio 会提供一个网页,你在上面输入奥罗莫语文字或带后缀的数字,然后收听语音。
python app.py
Tool | What it does
hf download | 把 Space 的文件复制到你电脑上的文件夹
python app.py | 在你自己的电脑上启动演示
示例:你输入 400tti,文字会变成 dhibba afurtti,随后声音把它读出来。Space 自己的示例里,4m 会变成 meetira afur,300m 会变成 meetira dhibba sadii,方式相同。
新手与专家:如果你是新手,先打开 Space 页面,输入像 4mana 这样的数字并收听。文字这一步会先把它变成单词,再由声音朗读。这一步不用安装任何东西。
如果你熟悉这个领域:仓库里有一个 VITS 检查点 checkpoint_73000.pth 和它的 config.json,应用用 Coqui VITS 做合成。数字处理是模型前面的一道文字步骤,示例里像 mataa 和 mana 这样的后缀会保留在读出的数字后面。
你输入奥罗莫语文字或数字
数字被写成奥罗莫语单词
VITS 检查点生成语音
你在 Gradio 页面里听到音频
注意事项:卡片只列了几个示例,没有说明文字最长可以多长。
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 |
|---|---|---|---|---|
| Oromo VITS TTS 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 |
uwg · 工具包
收录来自 OpenModelDB 社区的一组图像放大模型,适合想在自己电脑上用 AI 放大低分辨率图片的人。
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。
microsoft · 工具包
把书面对话变成最多四位说话人、约 90 分钟的语音,是微软开放的文字转语音模型,适合研究英语和中文的播客式对话。
PedroMarinhoDev · 工具包
根据文字指令编辑一张图片,或合成最多四张,使用适配 ComfyUI 的 Moss-Image-Edit LoRA。适合使用 MOSS-Image 模型的 ComfyUI 用户。
zhifeixie · 工具包
转写来自嘈杂、有回声、削波或重叠的录音里的英文和中文语音,并把干净的音频交给基础模型。适合处理困难音频的团队。
zai-org · 工具包
根据文字和参考图片生成与编辑图像,图片里的文字渲染很准确,采用自回归加扩散的设计。适合需要在图片里写准确文字的创作者和开发者。