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。
MiniMax H3 视频模型的 LoRA 附加件,目标是在文生视频和图生视频里得到自然的面部动作和清晰的英语语音。适合制作人物说话短视频的人。
natural-face-speech-h3-lora 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 vpakarinen/natural-face-speech-h3-lora
这是 MiniMax H3 视频生成模型的一个附加件,作者是 vpakarinen。从名字和权重设置看它是一个 LoRA。它的目标是让生成的人物有自然的面部动作和清晰的英语语音。作者称第二版加入了男声和女声,口型也对得上。
用 MiniMax H3 在文生视频或图生视频模式下,制作一个人对着镜头说话的短视频的人。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 社交媒体 | 短视频创作者 | 为竖屏视频生成一个说话的人 | 9:16 的代言人风格片段 |
| 营销 | 小团队 | 不用拍摄就起草一段口播信息 | 对着镜头说出的简短产品问候 |
| 创意工作 | AI 视频爱好者 | 在 H3 上测试口型和面部动作 | 比较男声和女声 |
如果你还没有运行 MiniMax H3,可以跳过它,因为没有那个基础模型,这个文件什么也做不了。
| 用途 | 适合谁 | 得到什么 |
|---|---|---|
| 人物说话片段 | 短视频创作者 | 一个人说出你那句话的竖屏视频 |
| 声音选择 | 创作者 | 第二版所述的男声或女声 |
| 图生视频 | 有一张静态图的创作者 | 以你的图片为起点的片段 |
你需要先让 MiniMax H3 跑起来,再把这个 LoRA 加进你的工作流。模型卡没有给出安装步骤,所以这个页面只涵盖下载。
pip install -U huggingface_hub hf download vpakarinen/natural-face-speech-h3-lora
按模型卡设置 LoRA 权重、步数和分辨率,然后按模型卡示例的写法写一条提示词。把你想让人物说的话放在引号里。
| 设置 | 模型卡中的值 |
|---|---|
| 分辨率 | 720x1280 |
| LoRA 权重 | 0.6 到 0.8 |
| 步数 | 20 到 30 |
| 最佳选择 | 1280,30 步,9:16 |
she is speaking into a mic, she maintains eye contact with the viewer saying: 'text here'
你以 0.7 的权重加载 LoRA,设置 30 步和 9:16,把引号里的文字换成一句简短的问候。结果是一段竖屏视频,一位女性对着镜头说出这句问候。模型卡展示了一个演示视频,但它的文字没有给出耗时或输出细节。
如果你是新手,复制示例提示词,只改引号里的字,保持表格里的设置。第一段视频跑通后,每次只改一样东西。
对专家来说,0.6 到 0.8 的权重范围是主要的调节项,因为 LoRA 太强可能把画面推离基础模型的风格。模型卡没有列出训练数据或方法,所以把它的质量说法当作作者自己的看法。
MiniMax H3 视频模型的 LoRA 附加件,目标是在文生视频和图生视频里得到自然的面部动作和清晰的英语语音。适合制作人物说话短视频的人。
由 vpakarinen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:这是 MiniMax H3 视频生成模型的一个附加件,作者是 vpakarinen。从名字和权重设置看它是一个 LoRA。它的目标是让生成的人物有自然的面部动作和清晰的英语语音。作者称第二版加入了男声和女声,口型也对得上。
适合谁:用 MiniMax H3 在文生视频或图生视频模式下,制作一个人对着镜头说话的短视频的人。
行业 | 谁在用 | 怎么用 | 例子
社交媒体 | 短视频创作者 | 为竖屏视频生成一个说话的人 | 9:16 的代言人风格片段
营销 | 小团队 | 不用拍摄就起草一段口播信息 | 对着镜头说出的简短产品问候
创意工作 | AI 视频爱好者 | 在 H3 上测试口型和面部动作 | 比较男声和女声
如果你还没有运行 MiniMax H3,可以跳过它,因为没有那个基础模型,这个文件什么也做不了。
用在哪里:
用途 | 适合谁 | 得到什么
人物说话片段 | 短视频创作者 | 一个人说出你那句话的竖屏视频
声音选择 | 创作者 | 第二版所述的男声或女声
图生视频 | 有一张静态图的创作者 | 以你的图片为起点的片段
如何设置:你需要先让 MiniMax H3 跑起来,再把这个 LoRA 加进你的工作流。模型卡没有给出安装步骤,所以这个页面只涵盖下载。
pip install -U huggingface_hub
hf download vpakarinen/natural-face-speech-h3-lora
如何使用:按模型卡设置 LoRA 权重、步数和分辨率,然后按模型卡示例的写法写一条提示词。把你想让人物说的话放在引号里。
设置 | 模型卡中的值
分辨率 | 720x1280
LoRA 权重 | 0.6 到 0.8
步数 | 20 到 30
最佳选择 | 1280,30 步,9:16
she is speaking into a mic, she maintains eye contact with the viewer saying: 'text here'
示例:你以 0.7 的权重加载 LoRA,设置 30 步和 9:16,把引号里的文字换成一句简短的问候。结果是一段竖屏视频,一位女性对着镜头说出这句问候。模型卡展示了一个演示视频,但它的文字没有给出耗时或输出细节。
新手与专家:如果你是新手,复制示例提示词,只改引号里的字,保持表格里的设置。第一段视频跑通后,每次只改一样东西。
对专家来说,0.6 到 0.8 的权重范围是主要的调节项,因为 LoRA 太强可能把画面推离基础模型的风格。模型卡没有列出训练数据或方法,所以把它的质量说法当作作者自己的看法。
带有说话内容的提示词
MiniMax H3 加上这个 LoRA,权重 0.6 到 0.8
竖屏人物说话片段
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download vpakarinen/natural-face-speech-h3-lora
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| natural-face-speech-h3-lora 本页 | 189 | 47 | — | apache-2.0 | |
| LightVAE共有 video-generation · text-to-video | 819 | 40 | — | apache-2.0 | |
| Wan2.2-Fun-5B-Control共有 video-generation · video | 25,525 | 22 | — | apache-2.0 | |
| Kandinsky S2V 1.0 Lite distilled共有 video-generation | 84 | 4 | — | mit | |
| Kandinsky S2V 1.0 Lite共有 video-generation | 73 | 9 | — | mit | |
| Wan2.2 TI2V 5B GGUF共有 text-to-video | 480,229 | 259 | 5B | apache-2.0 |
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。