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 ComfyUI 里用 MiniMax-H3 的微调融合模型,根据文字、图片、参考或其他视频生成视频,现为 V2 INT8 版本。适合想要更强动作场景和风格控制的视频创作者。
Minimax-h3_Singularity 是一款工具包,属于营销类,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 WarmBloodAban/Minimax-h3_Singularity
Minimax-h3_Singularity 是 MiniMax-H3 的微调融合模型,用于视频生成。它支持在 ComfyUI 里做文生视频、图生视频、参考生视频和视频生视频。最新的 V2 INT8 版本增加了更广的动作覆盖、更贴近提示词、修复了音频参考条件的问题,并强化了视觉风格。
适合想要画面干净、清晰、动感强,并且运动和镜头控制不错的视频创作者和 ComfyUI 用户。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 影视 | 独立创作者 | 把一张图变成一个运动的镜头 | 带粒子特效的奇幻对决 |
| 游戏 | 概念和预告片美术 | 试做动作和法术特效 | 预告片里的一段武术动作 |
| 营销 | 内容团队 | 用提示词做有风格的片段 | 电影感 CG 的产品预告 |
不用 ComfyUI 的人可以跳过它,因为模型卡只描述了它在 ComfyUI 里的工作流。
| 用途 | 谁用 | 得到什么 |
|---|---|---|
| 图生视频 | 创作者 | 让静态图片动起来的片段 |
| 动作场景 | 游戏美术 | 剑战、武术和近身格斗里更流畅的动作 |
你需要先准备:
pip install -U huggingface_hub hf download WarmBloodAban/Minimax-h3_Singularity
在提示词里写明主体、它在做什么、场景、镜头怎么动,以及你想要的外观。保持指令一致,把最重要的细节放在前面。再加上与你想要的外观匹配的风格关键词。
| 视觉风格 | 建议的提示词关键词 |
|---|---|
| 写实 | photorealistic, natural lighting, realistic textures |
| 3D CG | 3D CG, detailed materials, stylized 3D rendering |
| 电影感 CG | cinematic CG, cinematic lighting, film-quality rendering |
你给一张静态图片,并写一个提示词,写明主体、一场剑战、山间庭院、一个跟拍镜头和电影感 CG 风格。模型卡说 V2 更贴近这类指令,所以片段应该呈现那样的动作和镜头运动。
视频模型把你的文字或图片变成一小段运动的片段。第一步可以先用一个简短的提示词做一次图生视频,提示词里写明主体、动作、场景、镜头和风格。
模型卡说,这个模型来自多个关键检查点的融合,之后做了长时间微调,又花了三天做剪枝和权重调整,来去除训练带来的瑕疵。它用 HDR 视频数据调过,以减少高速动作里的模糊。V2 建议提示词在约 5,000 个字符以内,简短、结构清楚的提示词更受欢迎。
在 ComfyUI 里用 MiniMax-H3 的微调融合模型,根据文字、图片、参考或其他视频生成视频,现为 V2 INT8 版本。适合想要更强动作场景和风格控制的视频创作者。
由 WarmBloodAban 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:Minimax-h3_Singularity 是 MiniMax-H3 的微调融合模型,用于视频生成。它支持在 ComfyUI 里做文生视频、图生视频、参考生视频和视频生视频。最新的 V2 INT8 版本增加了更广的动作覆盖、更贴近提示词、修复了音频参考条件的问题,并强化了视觉风格。
适合谁:适合想要画面干净、清晰、动感强,并且运动和镜头控制不错的视频创作者和 ComfyUI 用户。
行业 | 谁在用 | 怎么用 | 例子
影视 | 独立创作者 | 把一张图变成一个运动的镜头 | 带粒子特效的奇幻对决
游戏 | 概念和预告片美术 | 试做动作和法术特效 | 预告片里的一段武术动作
营销 | 内容团队 | 用提示词做有风格的片段 | 电影感 CG 的产品预告
不用 ComfyUI 的人可以跳过它,因为模型卡只描述了它在 ComfyUI 里的工作流。
用在哪里:
用途 | 谁用 | 得到什么
图生视频 | 创作者 | 让静态图片动起来的片段
动作场景 | 游戏美术 | 剑战、武术和近身格斗里更流畅的动作
如何设置:
你需要先准备:
pip install -U huggingface_hub
hf download WarmBloodAban/Minimax-h3_Singularity
如何使用:在提示词里写明主体、它在做什么、场景、镜头怎么动,以及你想要的外观。保持指令一致,把最重要的细节放在前面。再加上与你想要的外观匹配的风格关键词。
视觉风格 | 建议的提示词关键词
写实 | photorealistic, natural lighting, realistic textures
3D CG | 3D CG, detailed materials, stylized 3D rendering
电影感 CG | cinematic CG, cinematic lighting, film-quality rendering
示例:你给一张静态图片,并写一个提示词,写明主体、一场剑战、山间庭院、一个跟拍镜头和电影感 CG 风格。模型卡说 V2 更贴近这类指令,所以片段应该呈现那样的动作和镜头运动。
新手与专家:视频模型把你的文字或图片变成一小段运动的片段。第一步可以先用一个简短的提示词做一次图生视频,提示词里写明主体、动作、场景、镜头和风格。
模型卡说,这个模型来自多个关键检查点的融合,之后做了长时间微调,又花了三天做剪枝和权重调整,来去除训练带来的瑕疵。它用 HDR 视频数据调过,以减少高速动作里的模糊。V2 建议提示词在约 5,000 个字符以内,简短、结构清楚的提示词更受欢迎。
写下含主体、动作和风格的提示词
选一个 ComfyUI 视频工作流
加载 V2 INT8 模型
运行并查看片段
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download WarmBloodAban/Minimax-h3_Singularity
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| Minimax-h3_Singularity 本页 | 1,145,318 | 986 | — | apache-2.0 | |
| Vimoo-1.0共有 image-to-video · text-to-video | 57 | 18 | 11.7B | apache-2.0 | |
| Minimax H3 Latent Upscaler共有 minimax-h3 · comfyui | 354,859 | 489 | — | apache-2.0 | |
| Wan 2.2共有 image-to-video · comfyui | 9,760,687 | 1,020 | — | apache-2.0 | |
| Licon MSR for LTX-2.5共有 video-generation | 14,885 | 110 | — | apache-2.0 | |
| Wan2.2-T2V-A14B共有 text-to-video | 3,339 | 610 | — | 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。
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
nerijs · 工具包
一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。
LiconStudio · 工具包
给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。