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。
Tongyi-MAI 为 Z-Image-Turbo 图像模型做的 Gradio 演示,带 MCP 标签,文件里有提示词检查和一个安全检查模型。适合想试用 AI 图像生成的设计师和开发者。
Z Image Turbo 是一款工具包,属于开发类,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 Tongyi-MAI/Z-Image-Turbo --repo-type space --local-dir Z-Image-Turbo cd Z-Image-Turbo
Z Image Turbo 是 Tongyi-MAI 为 Z-Image-Turbo 模型做的 Gradio 演示。这个 Space 列出了 Z-Image、Z-Image-Turbo 和 CompVis 的 stable-diffusion 安全检查模型。它的页面带有 MCP 标签,仓库里有一个提示词检查脚本。
适合想在浏览器里试用 Tongyi-MAI 的图像模型的设计师、内容创作者和开发者。好奇这个演示如何检查提示词和图像的开发者也适合。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 设计 | 设计师 | 试用研究机构的 AI 图像演示 | 运行一条提示词,看看图片 |
| 内容 | 创作者 | 探索这个模型能生成什么 | 连续测试几条提示词 |
| 软件 | 开发者 | 阅读演示代码和它的提示词检查 | 打开 prompt_check.py,看提示词是怎么被筛查的 |
| AI 工具 | MCP 用户 | 看一个带有 MCP 标签的 Space | 查看这个 Space 是怎么列出的 |
如果你需要这个模型的设置或限制的文档,可以跳过它,因为这个 Space 页面只给了一条配置说明。
| Use case | Who | What they get back |
|---|---|---|
| 快速试用这个模型 | 任何人 | 一个在浏览器标签页里就能用的演示 |
| 运行你自己的副本 | 开发者 | 从你自己的机器上提供的同一个应用 |
| 研究安全检查 | 开发者 | 一个可以阅读的提示词检查脚本和一个安全检查模型 |
在线使用这个 Space 什么都不需要。本地副本需要 Python 和仓库列出的包。这个 Space 在 Hugging Face 上用 ZeroGPU 运行,所以本地副本可能需要性能够用的 GPU。
pip install -U huggingface_hub hf download Tongyi-MAI/Z-Image-Turbo --repo-type space --local-dir Z-Image-Turbo cd Z-Image-Turbo pip install gradio==6.0.1 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。资料没有列出更多步骤,所以请使用页面上显示的控件。
python app.py
你打开这个 Space,写一句对图片的简短描述并运行。应用会先让你的文字通过它的提示词检查,再显示它生成的图像。
如果你刚接触这类工具,打开这个 Space,试一条简短的提示词。改几个词,把新图片和第一张比较。
如果你熟悉这个领域,这个 Space 列出了 Z-Image 和 Z-Image-Turbo 仓库、Z-Image 的一个 zerogpu-aoti 构建,以及 CompVis 的安全检查模型。仓库很小:一个应用文件、一个提示词检查文件、一个提示词增强文件和一张占位图。除了这些名称,资料没有描述各部分如何连接。
Tongyi-MAI 为 Z-Image-Turbo 图像模型做的 Gradio 演示,带 MCP 标签,文件里有提示词检查和一个安全检查模型。适合想试用 AI 图像生成的设计师和开发者。
由 Tongyi-MAI 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:Z Image Turbo 是 Tongyi-MAI 为 Z-Image-Turbo 模型做的 Gradio 演示。这个 Space 列出了 Z-Image、Z-Image-Turbo 和 CompVis 的 stable-diffusion 安全检查模型。它的页面带有 MCP 标签,仓库里有一个提示词检查脚本。
适合谁:适合想在浏览器里试用 Tongyi-MAI 的图像模型的设计师、内容创作者和开发者。好奇这个演示如何检查提示词和图像的开发者也适合。
Title: 谁在试用 Z Image Turbo 演示
Industry | Who uses it | How they use it | Example
设计 | 设计师 | 试用研究机构的 AI 图像演示 | 运行一条提示词,看看图片
内容 | 创作者 | 探索这个模型能生成什么 | 连续测试几条提示词
软件 | 开发者 | 阅读演示代码和它的提示词检查 | 打开 prompt_check.py,看提示词是怎么被筛查的
AI 工具 | MCP 用户 | 看一个带有 MCP 标签的 Space | 查看这个 Space 是怎么列出的
如果你需要这个模型的设置或限制的文档,可以跳过它,因为这个 Space 页面只给了一条配置说明。
用在哪里:
Use case | Who | What they get back
快速试用这个模型 | 任何人 | 一个在浏览器标签页里就能用的演示
运行你自己的副本 | 开发者 | 从你自己的机器上提供的同一个应用
研究安全检查 | 开发者 | 一个可以阅读的提示词检查脚本和一个安全检查模型
如何设置:在线使用这个 Space 什么都不需要。本地副本需要 Python 和仓库列出的包。这个 Space 在 Hugging Face 上用 ZeroGPU 运行,所以本地副本可能需要性能够用的 GPU。
pip install -U huggingface_hub
hf download Tongyi-MAI/Z-Image-Turbo --repo-type space --local-dir Z-Image-Turbo
cd Z-Image-Turbo
pip install gradio==6.0.1
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。资料没有列出更多步骤,所以请使用页面上显示的控件。
python app.py
示例:你打开这个 Space,写一句对图片的简短描述并运行。应用会先让你的文字通过它的提示词检查,再显示它生成的图像。
新手与专家:如果你刚接触这类工具,打开这个 Space,试一条简短的提示词。改几个词,把新图片和第一张比较。
如果你熟悉这个领域,这个 Space 列出了 Z-Image 和 Z-Image-Turbo 仓库、Z-Image 的一个 zerogpu-aoti 构建,以及 CompVis 的安全检查模型。仓库很小:一个应用文件、一个提示词检查文件、一个提示词增强文件和一张占位图。除了这些名称,资料没有描述各部分如何连接。
你写一条提示词
提示词检查来筛查它
Z-Image-Turbo 模型运行
图像出现在页面里
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 |
|---|---|---|---|---|
| Z Image Turbo 本页 | 1,940 | gradio | apache-2.0 | |
| TRELLIS共有 mcp-server · gradio | 817 | gradio | mit | |
| SAM3 Demo共有 mcp-server · gradio | 91 | gradio | apache-2.0 | |
| TRELLIS.2-Text-to-3D (Rerun)共有 mcp-server · gradio | 58 | gradio | apache-2.0 | |
| Multi-Agent AI - Coding共有 mcp-server · gradio | 39 | gradio | apache-2.0 | |
| MOSS-Image 8-step DMD共有 mcp-server · gradio | 34 | 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。
alirezarezvani · 技能
为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。
block · 工具包
可自行托管的工作空间,人和 AI 智能体在同样的房间里协作,基于 Nostr 中继,把每个动作记录为签名事件。适合想自己运行中继的团队。
backnotprop · 工具包
把你的 AI 编程智能体的计划、规格和代码改动在浏览器里打开,让你加批注或评论,并把反馈直接发回给智能体。