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。
在浏览器里用三个小模型在你自己的 CPU 上进行语音对话,模型下载完成后,不会把任何音频发到别处。
voice-call-wasm 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 fusorlabs/voice-call-wasm --repo-type space --local-dir voice-call-wasm cd voice-call-wasm
voice-call-wasm 是一个静态网页,让你用语音和 AI 交谈,所有计算都在你自己的 CPU 上完成。三个独立的模型分工合作,而不是用一个语音到语音的模型。每个模型都用 fusor-ai 编译成 WebAssembly,下载一次之后,它们无需网络就能运行,所以来源说你说的话不会离开这个页面。
想试用私密的本机语音助手的人,以及想了解如何在浏览器里运行语音模型的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 语音技术研究人员 | 研究语音对话中的延迟 | 阅读每一轮的计时 |
| 软件 | 网页开发者 | 查看模型如何打包成 WebAssembly | 浏览 engine 和 model 文件夹 |
| 隐私 | 注重隐私的用户 | 试一次留在设备上的语音通话 | 模型下载完之后再和它交谈 |
| 教育 | 语音系统的学生 | 了解听、想、说是如何拆分的 | 按顺序观察这三个阶段 |
想要功能丰富、体验精致的助手的人可以跳过它,因为这是一个专注的演示。
| 用例 | 谁用 | 得到什么 |
|---|---|---|
| 进行语音通话 | 任何人 | 对你所说内容的语音回复 |
| 测量响应时间 | 研究人员 | 每一轮的延迟数值,测到回复开始发声为止 |
pip install -U huggingface_hub hf download fusorlabs/voice-call-wasm --repo-type space --local-dir voice-call-wasm cd voice-call-wasm
在线使用时,访问 Hugging Face 上的这个 Space,在页面上开始通话。使用本地副本时,在浏览器里打开 index.html,用同样的方式开始。
| 工具 | 作用 |
|---|---|
| Moondream Parakeet Redux | 在你说话的同时把你说的话写下来 |
| LFM3-1.7B | 写出对你所说内容的回答 |
| Phonon | 在回答的其余部分还在写的时候,逐句说出每个分句 |
你对着麦克风说一个简短的问题。页面一边听你说一边转成文字,起草回复,并在完整回答还没写完时就开始说第一个分句。
如果你刚接触,先访问这个 Space 说一句话。要预料到的主要是等第一次下载完成,之后通话就不需要网络了。
如果你熟悉这个领域,这个设计是由三个模型组成的流水线,而不是单个语音到语音的模型。流式语音识别把结果交给一个 1.7B 的语言模型,一个 31M 的文字转语音模型逐个分句说出来。每次交流都有一个延迟测量,从你停止说话起,到回复开始发声为止。
在浏览器里用三个小模型在你自己的 CPU 上进行语音对话,模型下载完成后,不会把任何音频发到别处。
由 fusorlabs 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:voice-call-wasm 是一个静态网页,让你用语音和 AI 交谈,所有计算都在你自己的 CPU 上完成。三个独立的模型分工合作,而不是用一个语音到语音的模型。每个模型都用 fusor-ai 编译成 WebAssembly,下载一次之后,它们无需网络就能运行,所以来源说你说的话不会离开这个页面。
适合谁:想试用私密的本机语音助手的人,以及想了解如何在浏览器里运行语音模型的开发者。
行业 | 谁在用 | 怎么用 | 例子
研究 | 语音技术研究人员 | 研究语音对话中的延迟 | 阅读每一轮的计时
软件 | 网页开发者 | 查看模型如何打包成 WebAssembly | 浏览 engine 和 model 文件夹
隐私 | 注重隐私的用户 | 试一次留在设备上的语音通话 | 模型下载完之后再和它交谈
教育 | 语音系统的学生 | 了解听、想、说是如何拆分的 | 按顺序观察这三个阶段
想要功能丰富、体验精致的助手的人可以跳过它,因为这是一个专注的演示。
用在哪里:
用例 | 谁用 | 得到什么
进行语音通话 | 任何人 | 对你所说内容的语音回复
测量响应时间 | 研究人员 | 每一轮的延迟数值,测到回复开始发声为止
如何设置:
pip install -U huggingface_hub
hf download fusorlabs/voice-call-wasm --repo-type space --local-dir voice-call-wasm
cd voice-call-wasm
如何使用:在线使用时,访问 Hugging Face 上的这个 Space,在页面上开始通话。使用本地副本时,在浏览器里打开 index.html,用同样的方式开始。
工具 | 作用
Moondream Parakeet Redux | 在你说话的同时把你说的话写下来
LFM3-1.7B | 写出对你所说内容的回答
Phonon | 在回答的其余部分还在写的时候,逐句说出每个分句
示例:你对着麦克风说一个简短的问题。页面一边听你说一边转成文字,起草回复,并在完整回答还没写完时就开始说第一个分句。
新手与专家:如果你刚接触,先访问这个 Space 说一句话。要预料到的主要是等第一次下载完成,之后通话就不需要网络了。
如果你熟悉这个领域,这个设计是由三个模型组成的流水线,而不是单个语音到语音的模型。流式语音识别把结果交给一个 1.7B 的语言模型,一个 31M 的文字转语音模型逐个分句说出来。每次交流都有一个延迟测量,从你停止说话起,到回复开始发声为止。
你对着麦克风说话
Parakeet Redux 边听边转写
LFM3-1.7B 写出回复
Phonon 逐个分句说出来
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 |
|---|---|---|---|---|
| voice-call-wasm 本页 | 2 | static | mit | |
| DALL·E mini共有 static | 5,750 | static | apache-2.0 | |
| Kokoro Text-to-Speech (WebGPU)共有 static | 369 | static | apache-2.0 | |
| DALL·E mini 文字生成图片共有 static | 342 | static | apache-2.0 | |
| Supertonic 3 (TTS)共有 static | 291 | static | openrail | |
| XortronDesktop共有 static | 30 | static | wtfpl |
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。