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 Gradio 应用里运行 YourMT3 演示。它的文件夹名称指向把音频转成 MIDI 的音乐转录,适合处理音乐和音频模型的人。
YourMT3 是一款工具包,属于研究类,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 mimbres/YourMT3 --repo-type space --local-dir YourMT3 cd YourMT3
YourMT3 是同名模型的 Gradio 演示,有一篇 arXiv 上的论文介绍它。仓库里的 amt 和 mid 文件夹暗示自动音乐转录和 MIDI 文件,不过来源没有用文字说明用途。这个 Space 列出了六个模型,并在 Hugging Face 的 GPU 硬件上运行。
处理音乐或音频模型,想在浏览器里试用这个模型的研究人员和开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 音乐信息研究人员 | 在研究之前先在音频上试用模型 | 运行附带的一个示例 |
| 软件 | 音乐工具的开发者 | 查看模型产出什么 | 把它的输出和自己的流水线比较 |
| 教育 | 音频机器学习的学生 | 研究由 T5 和 Perceiver 部件构成的模型 | 阅读 amt 文件夹 |
| 音乐 | 对 AI 工具好奇的音乐人 | 看看音频模型能做什么 | 试用 examples 文件夹里的文件 |
想要成熟的音乐应用的人可以跳过它,因为这是研究演示。
| 用例 | 谁用 | 得到什么 |
|---|---|---|
| 试用模型 | 研究人员 | YourMT3 演示的输出 |
| 研究代码 | 开发者 | 一个带辅助文件的模型包 |
pip install -U huggingface_hub hf download mimbres/YourMT3 --repo-type space --local-dir YourMT3 cd YourMT3 pip install gradio==4.39.0 pip install -r requirements.txt python app.py
在线使用时,访问 Hugging Face 上的这个 Space,选择一个示例,或者在页面提供的情况下添加你自己的音频。在自己的电脑上,运行启动命令,再打开 Gradio 提供的本地页面。
python app.py
| 工具 | 作用 |
|---|---|
| app.py | 启动 Gradio 界面 |
| model_helper.py | 存放模型的辅助代码 |
| html_helper.py | 存放页面的辅助代码 |
| examples | 存放可以试用的示例文件 |
你访问这个 Space,选一个附带的示例并运行。你看模型对这个样本返回什么。
如果你刚接触,先用附带的示例,这样就不需要自己的文件。然后读这个 Space 里链接的论文,了解模型的用途。
如果你熟悉这个领域,这个 Space 列出了 Facebook 的音频编码器、DeepMind 的 Perceiver、Google 的三个小型 T5 模型,以及 mimbres 的 YourMT3 权重。音频编码器、Perceiver 和 T5 模型的组合符合序列到序列的设计,但来源没有描述架构。代价是需要 GPU。
在 Gradio 应用里运行 YourMT3 演示。它的文件夹名称指向把音频转成 MIDI 的音乐转录,适合处理音乐和音频模型的人。
由 mimbres 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:YourMT3 是同名模型的 Gradio 演示,有一篇 arXiv 上的论文介绍它。仓库里的 amt 和 mid 文件夹暗示自动音乐转录和 MIDI 文件,不过来源没有用文字说明用途。这个 Space 列出了六个模型,并在 Hugging Face 的 GPU 硬件上运行。
适合谁:处理音乐或音频模型,想在浏览器里试用这个模型的研究人员和开发者。
行业 | 谁在用 | 怎么用 | 例子
研究 | 音乐信息研究人员 | 在研究之前先在音频上试用模型 | 运行附带的一个示例
软件 | 音乐工具的开发者 | 查看模型产出什么 | 把它的输出和自己的流水线比较
教育 | 音频机器学习的学生 | 研究由 T5 和 Perceiver 部件构成的模型 | 阅读 amt 文件夹
音乐 | 对 AI 工具好奇的音乐人 | 看看音频模型能做什么 | 试用 examples 文件夹里的文件
想要成熟的音乐应用的人可以跳过它,因为这是研究演示。
用在哪里:
用例 | 谁用 | 得到什么
试用模型 | 研究人员 | YourMT3 演示的输出
研究代码 | 开发者 | 一个带辅助文件的模型包
如何设置:
pip install -U huggingface_hub
hf download mimbres/YourMT3 --repo-type space --local-dir YourMT3
cd YourMT3
pip install gradio==4.39.0
pip install -r requirements.txt
python app.py
如何使用:在线使用时,访问 Hugging Face 上的这个 Space,选择一个示例,或者在页面提供的情况下添加你自己的音频。在自己的电脑上,运行启动命令,再打开 Gradio 提供的本地页面。
python app.py
工具 | 作用
app.py | 启动 Gradio 界面
model_helper.py | 存放模型的辅助代码
html_helper.py | 存放页面的辅助代码
examples | 存放可以试用的示例文件
示例:你访问这个 Space,选一个附带的示例并运行。你看模型对这个样本返回什么。
新手与专家:如果你刚接触,先用附带的示例,这样就不需要自己的文件。然后读这个 Space 里链接的论文,了解模型的用途。
如果你熟悉这个领域,这个 Space 列出了 Facebook 的音频编码器、DeepMind 的 Perceiver、Google 的三个小型 T5 模型,以及 mimbres 的 YourMT3 权重。音频编码器、Perceiver 和 T5 模型的组合符合序列到序列的设计,但来源没有描述架构。代价是需要 GPU。
你选一个示例或添加音频
音频模型处理它
序列模型产出结果
你查看输出
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 |
|---|---|---|---|---|
| YourMT3 本页 | 133 | gradio | apache-2.0 | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
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。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。