Nanosaur2-670M
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
TMElyralab 为 MuseTalk 模型做的 Docker 打包演示应用,附带 DWPose、一个 Stable Diffusion 自编码器和 ffmpeg 工具。适合想试用或研究 MuseTalk 搭建方式的开发者。
MuseTalkDemo 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 TMElyralab/MuseTalk --repo-type space --local-dir MuseTalk cd MuseTalk
MuseTalkDemo 是 TMElyralab 为 MuseTalk 模型做的演示应用,用 Docker 打包。这个 Space 列出了 MuseTalk、DWPose、stabilityai/sd-vae-ft-mse 自编码器和 gpt2。仓库里有一个 musetalk 包、配置文件、脚本和一个 ffmpeg 安装脚本。
适合想试用 MuseTalk 模型或研究这个演示怎么打包的开发者和研究人员。想在自己的机器上用 Docker 运行一份副本的人也适合。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 软件 | 开发者 | 在 Docker 里运行演示,并读它是怎么构建的 | 构建镜像,并在 7860 端口打开应用 |
| 研究 | 机器学习研究人员 | 通过演示试用 MuseTalk 模型 | 打开这个 Space,使用它提供的应用 |
| 运维 | 工程师 | 研究一个模型演示的打包方式 | 阅读 Dockerfile 和入口脚本 |
如果你需要这个模型做什么、怎么调的文档,可以跳过它,因为这个 Space 页面只给了一条配置说明。
| Use case | Who | What they get back |
|---|---|---|
| 在线试用模型 | 任何人 | 浏览器标签页里的演示应用 |
| 自己运行演示 | 开发者 | 一个在 7860 端口提供应用的本地容器 |
| 研究搭建方式 | 工程师 | 一个带有 Dockerfile、配置文件和脚本的仓库 |
在线使用这个 Space 什么都不需要。本地副本需要 Docker,以及用来下载的带 pip 的 Python。容器会安装仓库列出的 Python 包和系统包。
pip install -U huggingface_hub hf download TMElyralab/MuseTalk --repo-type space --local-dir MuseTalk cd MuseTalk docker build -t musetalk . docker run -it -p 7860:7860 musetalk
在浏览器里打开这个 Space,或者运行容器,再打开 7860 端口上的应用。资料没有列出更多步骤,所以请使用页面上显示的控件。
docker run -it -p 7860:7860 musetalk
你构建镜像,运行容器,然后在 7860 端口打开应用。这个应用就是 app.py 提供的东西,你通过它的页面来使用。
如果你刚接触这类工具,先在浏览器里打开这个 Space,然后再试本地副本。Docker 是比较难的部分,所以构建之前先确认它能运行。
如果你熟悉这个领域,这个 Space 列出了 TMElyralab/MuseTalk,以及 yzd-v/DWPose、stabilityai/sd-vae-ft-mse 和 openai-community/gpt2。仓库会安装 ffmpeg,并从一个入口脚本启动。除了这些名称,资料没有说明各部分如何配合。
TMElyralab 为 MuseTalk 模型做的 Docker 打包演示应用,附带 DWPose、一个 Stable Diffusion 自编码器和 ffmpeg 工具。适合想试用或研究 MuseTalk 搭建方式的开发者。
由 TMElyralab 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:MuseTalkDemo 是 TMElyralab 为 MuseTalk 模型做的演示应用,用 Docker 打包。这个 Space 列出了 MuseTalk、DWPose、stabilityai/sd-vae-ft-mse 自编码器和 gpt2。仓库里有一个 musetalk 包、配置文件、脚本和一个 ffmpeg 安装脚本。
适合谁:适合想试用 MuseTalk 模型或研究这个演示怎么打包的开发者和研究人员。想在自己的机器上用 Docker 运行一份副本的人也适合。
Title: 谁在用 MuseTalk 演示
Industry | Who uses it | How they use it | Example
软件 | 开发者 | 在 Docker 里运行演示,并读它是怎么构建的 | 构建镜像,并在 7860 端口打开应用
研究 | 机器学习研究人员 | 通过演示试用 MuseTalk 模型 | 打开这个 Space,使用它提供的应用
运维 | 工程师 | 研究一个模型演示的打包方式 | 阅读 Dockerfile 和入口脚本
如果你需要这个模型做什么、怎么调的文档,可以跳过它,因为这个 Space 页面只给了一条配置说明。
用在哪里:
Use case | Who | What they get back
在线试用模型 | 任何人 | 浏览器标签页里的演示应用
自己运行演示 | 开发者 | 一个在 7860 端口提供应用的本地容器
研究搭建方式 | 工程师 | 一个带有 Dockerfile、配置文件和脚本的仓库
如何设置:在线使用这个 Space 什么都不需要。本地副本需要 Docker,以及用来下载的带 pip 的 Python。容器会安装仓库列出的 Python 包和系统包。
pip install -U huggingface_hub
hf download TMElyralab/MuseTalk --repo-type space --local-dir MuseTalk
cd MuseTalk
docker build -t musetalk .
docker run -it -p 7860:7860 musetalk
如何使用:在浏览器里打开这个 Space,或者运行容器,再打开 7860 端口上的应用。资料没有列出更多步骤,所以请使用页面上显示的控件。
docker run -it -p 7860:7860 musetalk
示例:你构建镜像,运行容器,然后在 7860 端口打开应用。这个应用就是 app.py 提供的东西,你通过它的页面来使用。
新手与专家:如果你刚接触这类工具,先在浏览器里打开这个 Space,然后再试本地副本。Docker 是比较难的部分,所以构建之前先确认它能运行。
如果你熟悉这个领域,这个 Space 列出了 TMElyralab/MuseTalk,以及 yzd-v/DWPose、stabilityai/sd-vae-ft-mse 和 openai-community/gpt2。仓库会安装 ffmpeg,并从一个入口脚本启动。除了这些名称,资料没有说明各部分如何配合。
你构建 Docker 镜像
容器安装它的包
入口脚本启动 app.py
你在 7860 端口打开应用
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 |
|---|---|---|---|---|
| MuseTalkDemo 本页 | 78 | docker | creativeml-openrail-m | |
| Zero GPU Spaces共有 docker | 985 | docker | mit | |
| Kimodo共有 docker | 340 | docker | apache-2.0 | |
| Harness Leaderboard共有 docker | 323 | docker | apache-2.0 | |
| Flowise共有 docker | 132 | docker | mit | |
| Multitrack Midi Music Generator共有 docker | 130 | docker | mit |
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
Waqf-AI · 工具包
读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。
Wan-AI · 工具包
根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。
Wan-AI · 工具包
根据音频生成电影感的角色视频,也能给现有视频做口型同步。适合有大显卡的视频创作者、动画师和研究人员。
Wan-AI · 工具包
通过复制表演者的动作和表情,让角色动起来,或把角色换进视频里,是 Wan2.2 视频系列中的一个模型。只能使用你有权使用的面孔和形象。
vllm-sr · 工具包
在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题,并为每个答案给出概率。适合构建路由或视觉检查的人。