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。
在浏览器里运行一个叫 Factorial_IT_ULTIME_TinyLM 的小型语言模型的聊天演示,运行在 ZeroGPU 硬件上,并附带可以在自己电脑上运行副本的代码。
Factorial Base 48M Chat 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 pip install gradio==6.31.0 pip install -r requirements.txt
这个 Space 是围绕一个叫 Factorial_IT_ULTIME_TinyLM 的小型语言模型搭的 Gradio 聊天演示。它的标题指向 48M 的规模。你在浏览器里打开它,不用安装任何东西,就能和这个模型聊天。仓库里只有应用和一份 Python 包列表。
它适合想在聊天窗口里试用一个很小的语言模型的人,也适合想把这个演示的代码当作自己项目起点的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 语言模型爱好者和研究者 | 和一个很小的模型聊天,看它能做什么、不能做什么 | 发几条简短的提示词,读它的回复 |
| 软件 | 开发者 | 阅读 app.py,了解小模型是怎么接进 Gradio 的 | 复制这个 Space 并换成另一个模型 |
| 教育 | 学生 | 用托管聊天亲手看看一个小模型 | 把它的回答和更大的聊天模型做比较 |
如果你想要一个成品助手,可以跳过它,因为这只是一个小模型演示和它的代码。
| 使用场景 | 谁用 | 能得到什么 |
|---|---|---|
| 和模型聊天 | 好奇的任何人 | 浏览器里来自这个小模型的回复 |
| 研究代码 | 开发者 | 一个很短的应用文件和一份包列表 |
| 运行私有副本 | 开发者 | 用 python app.py 启动的一份副本 |
使用托管页面不需要你做任何准备。本地副本需要先备好下面两样东西。仓库没有说明本地副本需要什么硬件。
pip install -U huggingface_hub pip install gradio==6.31.0 pip install -r requirements.txt python app.py
先在 它的密钥设置 里填上你自己的值。
在线使用时,打开 Space 页面,直接在那里聊天。在自己的电脑上,进入下载好的文件夹运行上面最后一条命令,然后使用它启动的聊天。
| 工具 | 作用 |
|---|---|
| app.py | 启动 Gradio 聊天演示 |
| requirements.txt | 列出应用需要的 Python 包 |
你打开 Space 页面,在聊天框里输入一条简短的消息。这个小模型会在同一个窗口里回复。在你自己的副本里,python app.py 会在你的机器上启动同样的聊天。
如果你是新手,打开托管聊天,发几条简短的消息。什么都不用安装,回复会让你看到一个很小的模型能做什么。之后想看里面的话,再把 Space 复制到你的电脑上。
如果你熟悉这个领域,这个 Space 就是一个基于 Gradio 6.31.0 和 Python 3.12 的 app.py,运行在 ZeroGPU 上,并点名了一个模型仓库。README 只是标准的配置说明,所以没有给出训练数据、规模数字或评测。
仓库里没有记录任何关于训练、限制或质量的细节,所以对一个小模型的表现要有心理准备。
在浏览器里运行一个叫 Factorial_IT_ULTIME_TinyLM 的小型语言模型的聊天演示,运行在 ZeroGPU 硬件上,并附带可以在自己电脑上运行副本的代码。
由 bull220202 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:这个 Space 是围绕一个叫 Factorial_IT_ULTIME_TinyLM 的小型语言模型搭的 Gradio 聊天演示。它的标题指向 48M 的规模。你在浏览器里打开它,不用安装任何东西,就能和这个模型聊天。仓库里只有应用和一份 Python 包列表。
适合谁:它适合想在聊天窗口里试用一个很小的语言模型的人,也适合想把这个演示的代码当作自己项目起点的开发者。
行业 | 谁在用 | 怎么用 | 例子
研究 | 语言模型爱好者和研究者 | 和一个很小的模型聊天,看它能做什么、不能做什么 | 发几条简短的提示词,读它的回复
软件 | 开发者 | 阅读 app.py,了解小模型是怎么接进 Gradio 的 | 复制这个 Space 并换成另一个模型
教育 | 学生 | 用托管聊天亲手看看一个小模型 | 把它的回答和更大的聊天模型做比较
如果你想要一个成品助手,可以跳过它,因为这只是一个小模型演示和它的代码。
用在哪里:
使用场景 | 谁用 | 能得到什么
和模型聊天 | 好奇的任何人 | 浏览器里来自这个小模型的回复
研究代码 | 开发者 | 一个很短的应用文件和一份包列表
运行私有副本 | 开发者 | 用 python app.py 启动的一份副本
如何设置:使用托管页面不需要你做任何准备。本地副本需要先备好下面两样东西。仓库没有说明本地副本需要什么硬件。
pip install -U huggingface_hub
pip install gradio==6.31.0
pip install -r requirements.txt
python app.py
先在 它的密钥设置 里填上你自己的值。
如何使用:在线使用时,打开 Space 页面,直接在那里聊天。在自己的电脑上,进入下载好的文件夹运行上面最后一条命令,然后使用它启动的聊天。
工具 | 作用
app.py | 启动 Gradio 聊天演示
requirements.txt | 列出应用需要的 Python 包
示例:你打开 Space 页面,在聊天框里输入一条简短的消息。这个小模型会在同一个窗口里回复。在你自己的副本里,python app.py 会在你的机器上启动同样的聊天。
新手与专家:如果你是新手,打开托管聊天,发几条简短的消息。什么都不用安装,回复会让你看到一个很小的模型能做什么。之后想看里面的话,再把 Space 复制到你的电脑上。
如果你熟悉这个领域,这个 Space 就是一个基于 Gradio 6.31.0 和 Python 3.12 的 app.py,运行在 ZeroGPU 上,并点名了一个模型仓库。README 只是标准的配置说明,所以没有给出训练数据、规模数字或评测。
打开 Space 或运行 app.py
Gradio 启动聊天界面
你和这个小模型聊天
注意事项:仓库里没有记录任何关于训练、限制或质量的细节,所以对一个小模型的表现要有心理准备。
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 |
|---|---|---|---|---|
| Factorial Base 48M Chat 本页 | 1 | gradio | cc-by-4.0 | |
| FLUX.1 [dev]共有 gradio | 9,583 | gradio | mit | |
| InstantID共有 gradio | 3,659 | gradio | apache-2.0 | |
| Chat With Janus-Pro-7B共有 gradio | 2,036 | gradio | mit | |
| PhotoMaker共有 gradio | 1,960 | gradio | apache-2.0 | |
| Z Image Turbo共有 gradio | 1,940 | gradio | 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。