Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
在浏览器里试用 BiRefNet 图像模型:它们能把图片里的主体和背景分开。来源列出了六个变体,你也可以在自己的电脑上跑一份。
BiRefNet Demo 是一款工具包,属于效率类,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 ZhengPeng7/BiRefNet_demo --repo-type space --local-dir BiRefNet_demo cd BiRefNet_demo
这个 Space 是 BiRefNet 的演示,BiRefNet 是一组图像模型,能把图片里的主体和背景分开。仓库里列出了六个变体,包括高分辨率、抠图、人像和轻量版本。你可以在浏览器里试用,也可以自己跑一份。
适合需要把主体从图片里抠出来、又想在动手开发之前先试试模型的人。研究者和开发者可以在同一个地方看到六个变体。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 电商 | 店主 | 把商品从照片背景里抠出来 | 在把商品图加进商品页之前先处理一下 |
| 设计 | 设计师 | 为海报或拼贴画抠出主体 | 把一张人像放到新的背景上 |
| 研究 | 计算机视觉研究者 | 在自己的图片上试用列出的变体 | 用同一张照片跑人像版和轻量版 |
| 软件 | Python 开发者 | 阅读 app.py,看模型是怎么接进页面的 | 复制这个 Space,再改掉输入 |
如果你从不需要把主体从图片里抠出来,可以跳过它。
| 用途 | 适合谁 | 你得到什么 |
|---|---|---|
| 把主体从照片里抠出来 | 设计师和店主 | 主体和背景被分开的图片 |
| 对比各个模型变体 | 研究者 | 一个能在同一张图上试每个模型的演示 |
在线使用什么都不用准备。在自己的电脑上跑,需要准备一点东西。
pip install -U huggingface_hub hf download ZhengPeng7/BiRefNet_demo --repo-type space --local-dir BiRefNet_demo cd BiRefNet_demo pip install gradio==5.35.0 pip install -r requirements.txt python app.py
在线使用时,打开这个 Space 的页面,直接在里面操作。在自己的电脑上,就在项目文件夹里运行下面这条命令,再打开 Gradio 显示的页面。仓库里还有一个 app_local.py 文件和一个 examples 文件夹。
python app.py
你打开这个 Space,给它一张人物照片。演示会返回这张照片,人物已经和背景分开。
如果你是新手,先打开这个 Space 的页面,拿一张主体清晰的照片试一次。不用安装任何东西,你就能看到把主体和背景分开是什么样子。
如果你熟悉这个领域:这个演示在同一位作者名下列出了六个检查点,从基础模型到 HR、抠图、人像和轻量形式。线上版本跑在 Hugging Face 的 zero-a10g 硬件上。在家里跑的副本用你自己的机器,来源也没有列出必须具备的硬件。
来源对限制说得很少,所以请在自己的图片上检查结果。
在浏览器里试用 BiRefNet 图像模型:它们能把图片里的主体和背景分开。来源列出了六个变体,你也可以在自己的电脑上跑一份。
由 ZhengPeng7 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 BiRefNet 的演示,BiRefNet 是一组图像模型,能把图片里的主体和背景分开。仓库里列出了六个变体,包括高分辨率、抠图、人像和轻量版本。你可以在浏览器里试用,也可以自己跑一份。
适合谁:适合需要把主体从图片里抠出来、又想在动手开发之前先试试模型的人。研究者和开发者可以在同一个地方看到六个变体。
行业 | 谁在用 | 怎么用 | 例子
电商 | 店主 | 把商品从照片背景里抠出来 | 在把商品图加进商品页之前先处理一下
设计 | 设计师 | 为海报或拼贴画抠出主体 | 把一张人像放到新的背景上
研究 | 计算机视觉研究者 | 在自己的图片上试用列出的变体 | 用同一张照片跑人像版和轻量版
软件 | Python 开发者 | 阅读 app.py,看模型是怎么接进页面的 | 复制这个 Space,再改掉输入
如果你从不需要把主体从图片里抠出来,可以跳过它。
用在哪里:
用途 | 适合谁 | 你得到什么
把主体从照片里抠出来 | 设计师和店主 | 主体和背景被分开的图片
对比各个模型变体 | 研究者 | 一个能在同一张图上试每个模型的演示
如何设置:在线使用什么都不用准备。在自己的电脑上跑,需要准备一点东西。
pip install -U huggingface_hub
hf download ZhengPeng7/BiRefNet_demo --repo-type space --local-dir BiRefNet_demo
cd BiRefNet_demo
pip install gradio==5.35.0
pip install -r requirements.txt
python app.py
如何使用:在线使用时,打开这个 Space 的页面,直接在里面操作。在自己的电脑上,就在项目文件夹里运行下面这条命令,再打开 Gradio 显示的页面。仓库里还有一个 app_local.py 文件和一个 examples 文件夹。
python app.py
示例:你打开这个 Space,给它一张人物照片。演示会返回这张照片,人物已经和背景分开。
新手与专家:如果你是新手,先打开这个 Space 的页面,拿一张主体清晰的照片试一次。不用安装任何东西,你就能看到把主体和背景分开是什么样子。
如果你熟悉这个领域:这个演示在同一位作者名下列出了六个检查点,从基础模型到 HR、抠图、人像和轻量形式。线上版本跑在 Hugging Face 的 zero-a10g 硬件上。在家里跑的副本用你自己的机器,来源也没有列出必须具备的硬件。
打开 Space,或在本地运行 app.py
给演示一张图片
BiRefNet 模型把主体和背景分开
你拿回处理后的结果
注意事项:来源对限制说得很少,所以请在自己的图片上检查结果。
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 |
|---|---|---|---|---|
| BiRefNet Demo 本页 | 341 | gradio | mit | |
| MusicGen共有 gradio | 5,116 | gradio | cc-by-nc-4.0 | |
| Kokoro TTS共有 gradio | 3,556 | gradio | apache-2.0 | |
| Background Removal共有 gradio | 2,988 | gradio | mit | |
| Omni Image Editor共有 gradio | 2,922 | gradio | mit | |
| Diffusers Image Outpaint共有 gradio | 2,565 | gradio | apache-2.0 |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
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。
op7418 · 技能
能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。
zarazhangrui · 技能
从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。