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。
根据一句自然语言指令编辑视频,并在生成过程中按块把结果流式传回。是 JoyAI-Video-Edit 模型的演示,适合视频剪辑师和研究者。
JoyAI Video Edit 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 hugging-apps/jdopensource-joyai-video-edit --repo-type space --local-dir jdopensource-joyai-video-edit cd jdopensource-joyai-video-edit
JoyAI Video Edit 是 JoyAI-Video-Edit 模型的演示。你用自然语言描述一次修改,模型会每次处理几帧,把它应用到你的视频上。后面的块还在生成时,已编辑好的视频就已经流式传回。
编辑器是一个 16.3B 参数的模型,每块处理 8 帧,并保留一个滚动缓存来记录已经编辑过的内容。另一个模型 MiMo-VL-7B 把你的指令和一帧画面变成条件输入。
适合做指令引导视频编辑、想试用流式编辑器而不用自己搭建的研究者和开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 视频生成研究者 | 测试指令引导的编辑 | 用一条文字修改指令运行一段短视频 |
| 媒体 | 视频剪辑师 | 看文字指令如何改变一段视频 | 试 examples 文件夹里的一个示例片段 |
| 软件 | 开发者 | 在基于它开发之前评估流式输出 | 在编辑运行时观察各个块陆续到达 |
如果你需要精确到帧的控制,可以跳过它,因为编辑是由文字指令驱动的。
| 用例 | 谁用 | 得到什么 |
|---|---|---|
| 用文字编辑视频 | 剪辑师 | 按你的指令编辑后的视频 |
| 观看流式输出 | 研究人员 | 生成过程中陆续到达的已编辑块 |
| 试用示例片段 | 新手 | 带有作者提示词的展示片段 |
pip install -U huggingface_hub hf download hugging-apps/jdopensource-joyai-video-edit --repo-type space --local-dir jdopensource-joyai-video-edit cd jdopensource-joyai-video-edit pip install gradio==6.22.0 pip install -r requirements.txt python app.py
在浏览器里打开这个 Space 的页面,或者用下面的命令启动你自己的副本。添加一段视频,用自然语言写下你想要的修改,然后运行。默认值沿用参考服务器的设置。
python app.py
你添加一段短视频,用一句话写下想要的改动。演示会逐块编辑这段视频,你能看到编辑后的视频在生成过程中流式传回。
如果你刚接触 AI 视频编辑,先打开一个示例片段,用作者的提示词运行一次。然后在一段短视频上试一个你自己的小改动。
如果你懂这个领域,这个 Space 是参考部署的移植版,为 ZeroGPU 做了改动。它用 PyTorch 注意力代替 FlashAttention,用纯 PyTorch 实现融合算子,用 torchao 做 FP8,并且不使用 torch.compile。各阶段按顺序运行,而不是并行线程,人脸修复门控被去掉了。
根据一句自然语言指令编辑视频,并在生成过程中按块把结果流式传回。是 JoyAI-Video-Edit 模型的演示,适合视频剪辑师和研究者。
由 hugging-apps 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:JoyAI Video Edit 是 JoyAI-Video-Edit 模型的演示。你用自然语言描述一次修改,模型会每次处理几帧,把它应用到你的视频上。后面的块还在生成时,已编辑好的视频就已经流式传回。
编辑器是一个 16.3B 参数的模型,每块处理 8 帧,并保留一个滚动缓存来记录已经编辑过的内容。另一个模型 MiMo-VL-7B 把你的指令和一帧画面变成条件输入。
适合谁:适合做指令引导视频编辑、想试用流式编辑器而不用自己搭建的研究者和开发者。
行业 | 谁在用 | 怎么用 | 例子
研究 | 视频生成研究者 | 测试指令引导的编辑 | 用一条文字修改指令运行一段短视频
媒体 | 视频剪辑师 | 看文字指令如何改变一段视频 | 试 examples 文件夹里的一个示例片段
软件 | 开发者 | 在基于它开发之前评估流式输出 | 在编辑运行时观察各个块陆续到达
如果你需要精确到帧的控制,可以跳过它,因为编辑是由文字指令驱动的。
用在哪里:
用例 | 谁用 | 得到什么
用文字编辑视频 | 剪辑师 | 按你的指令编辑后的视频
观看流式输出 | 研究人员 | 生成过程中陆续到达的已编辑块
试用示例片段 | 新手 | 带有作者提示词的展示片段
如何设置:
pip install -U huggingface_hub
hf download hugging-apps/jdopensource-joyai-video-edit --repo-type space --local-dir jdopensource-joyai-video-edit
cd jdopensource-joyai-video-edit
pip install gradio==6.22.0
pip install -r requirements.txt
python app.py
如何使用:在浏览器里打开这个 Space 的页面,或者用下面的命令启动你自己的副本。添加一段视频,用自然语言写下你想要的修改,然后运行。默认值沿用参考服务器的设置。
python app.py
示例:你添加一段短视频,用一句话写下想要的改动。演示会逐块编辑这段视频,你能看到编辑后的视频在生成过程中流式传回。
新手与专家:如果你刚接触 AI 视频编辑,先打开一个示例片段,用作者的提示词运行一次。然后在一段短视频上试一个你自己的小改动。
如果你懂这个领域,这个 Space 是参考部署的移植版,为 ZeroGPU 做了改动。它用 PyTorch 注意力代替 FlashAttention,用纯 PyTorch 实现融合算子,用 torchao 做 FP8,并且不使用 torch.compile。各阶段按顺序运行,而不是并行线程,人脸修复门控被去掉了。
你添加视频并写下修改指令
条件编码器读取指令
编辑器每次改 8 帧
解码器返回每个块
编辑后的视频流式传回给你
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 |
|---|---|---|---|---|
| JoyAI Video Edit 本页 | 13 | 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。