DeepSeek-R1-GGUF
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
在浏览器里把土耳其语和英语的语音转成文字,来源可以是录音或上传的文件。一个小模型在你自己的设备上运行,所以你的音频不会离开设备。
Duyu-small 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 KaanAydinli/Duyu-small-demo --repo-type space --local-dir Duyu-small-demo cd Duyu-small-demo
Duyu-small 是一个土耳其语和英语的语音识别器,在网页里运行。你录音或上传音频,模型就在你自己的设备上把它转成文字。它使用 onnxruntime-web,所以不会向服务器发送任何东西。
需要把土耳其语或英语语音转成文字,又希望音频留在自己设备上的人,以及想看一个语音模型在浏览器里运行的示例的开发者,都适合用它。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 语言工作 | 说土耳其语和英语的人 | 从一段简短的口语录音得到文字 | 录一句话,再读文字 |
| 媒体 | 作者和编辑 | 不用上传音频文件就起草笔记 | 上传一段访谈录音,再读初稿 |
| 软件 | 网页开发者 | 研究在浏览器里运行的语音识别 | 阅读 engine.js 和 worker.js |
| 研究 | 语音研究人员 | 在自己的处理器上给模型计时 | 读页面报告的速度数字 |
需要土耳其语和英语以外语言的人可以跳过。
它可以在这些地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 转写一段录音 | 有麦克风的任何人 | 你所说内容的文字,在你的设备上生成 |
| 转写上传的文件 | 编辑和作者 | 文件内容的文字,音频保留在本地 |
| 检查速度 | 研究人员 | 一份说明模型在你的处理器上跑得多快的报告 |
在线使用这个 Space 只需要浏览器。把它的文件放到你自己的电脑上,需要下面这些。
pip install -U huggingface_hub hf download KaanAydinli/Duyu-small-demo --repo-type space --local-dir Duyu-small-demo cd Duyu-small-demo
打开页面,然后录音或上传音频。模型只下载一次,浏览器会缓存它,所以之后再访问就不用等了。页面会报告它在你的 CPU 上跑得多快。
| Tool | What it does |
|---|---|
| index.html | 你在浏览器里打开的页面 |
| engine.js | 语音引擎,移植自这个模型的 Python 版本 |
| worker.js | 在浏览器的 worker 里运行任务 |
| vendor | 存放页面需要的库 |
你录下自己读一句简短的土耳其语,然后停止录音。页面返回你所说内容的文字,同时报告这次运行在你的处理器上有多快。
语音识别就是把说出的话变成书面文字。第一件可以试的小事,是在线打开这个页面,用一段简短的土耳其语或英语录音。
这个模型有 19.3 M 个活跃参数,提供 int8 和 4-bit 两种 ONNX 形式。引擎逐行移植了 Python 版本。它计算对数梅尔特征,做三次共享的编码器计算,再用带 CTC 重打分的注意力束搜索,并设有针对静音和失控输出的保护。
模型要先下载一次才能运行,之后浏览器会一直保留它。
在浏览器里把土耳其语和英语的语音转成文字,来源可以是录音或上传的文件。一个小模型在你自己的设备上运行,所以你的音频不会离开设备。
由 KaanAydinli 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:Duyu-small 是一个土耳其语和英语的语音识别器,在网页里运行。你录音或上传音频,模型就在你自己的设备上把它转成文字。它使用 onnxruntime-web,所以不会向服务器发送任何东西。
适合谁:需要把土耳其语或英语语音转成文字,又希望音频留在自己设备上的人,以及想看一个语音模型在浏览器里运行的示例的开发者,都适合用它。
Industry | Who uses it | How they use it | Example
语言工作 | 说土耳其语和英语的人 | 从一段简短的口语录音得到文字 | 录一句话,再读文字
媒体 | 作者和编辑 | 不用上传音频文件就起草笔记 | 上传一段访谈录音,再读初稿
软件 | 网页开发者 | 研究在浏览器里运行的语音识别 | 阅读 engine.js 和 worker.js
研究 | 语音研究人员 | 在自己的处理器上给模型计时 | 读页面报告的速度数字
需要土耳其语和英语以外语言的人可以跳过。
用在哪里:它可以在这些地方运行。
Use case | Who | What they get back
转写一段录音 | 有麦克风的任何人 | 你所说内容的文字,在你的设备上生成
转写上传的文件 | 编辑和作者 | 文件内容的文字,音频保留在本地
检查速度 | 研究人员 | 一份说明模型在你的处理器上跑得多快的报告
如何设置:在线使用这个 Space 只需要浏览器。把它的文件放到你自己的电脑上,需要下面这些。
pip install -U huggingface_hub
hf download KaanAydinli/Duyu-small-demo --repo-type space --local-dir Duyu-small-demo
cd Duyu-small-demo
如何使用:打开页面,然后录音或上传音频。模型只下载一次,浏览器会缓存它,所以之后再访问就不用等了。页面会报告它在你的 CPU 上跑得多快。
Tool | What it does
index.html | 你在浏览器里打开的页面
engine.js | 语音引擎,移植自这个模型的 Python 版本
worker.js | 在浏览器的 worker 里运行任务
vendor | 存放页面需要的库
示例:你录下自己读一句简短的土耳其语,然后停止录音。页面返回你所说内容的文字,同时报告这次运行在你的处理器上有多快。
新手与专家:语音识别就是把说出的话变成书面文字。第一件可以试的小事,是在线打开这个页面,用一段简短的土耳其语或英语录音。
这个模型有 19.3 M 个活跃参数,提供 int8 和 4-bit 两种 ONNX 形式。引擎逐行移植了 Python 版本。它计算对数梅尔特征,做三次共享的编码器计算,再用带 CTC 重打分的注意力束搜索,并设有针对静音和失控输出的保护。
你录音或上传音频
页面计算对数梅尔特征
运行三次共享的编码器计算
带 CTC 重打分的束搜索给出文字
注意事项:模型要先下载一次才能运行,之后浏览器会一直保留它。
Title: 模型下载大小
int8: 56 MB
4-bit: 34 MB
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 |
|---|---|---|---|---|
| Duyu-small 本页 | 2 | static | apache-2.0 | |
| 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 |
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
prithivMLmods · 工具包
提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。
Phips · 工具包
用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。
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。