简体中文 | English
这里的输出均由仓库当前版本的 ModelCLI 实际生成，没有手工修改检测框、OCR 文本或 ASR 转写结果。
| 能力 | 输入 | 实际输出 |
|---|---|---|
| 目标检测 | images/detect-street.jpg |
results/detect-street-boxes.jpg |
| OCR | images/ocr-sign.png |
results/ocr-sign-boxes.png、results/ocr-sign.txt |
| ASR | audio/asr-zh.wav |
results/asr-zh.txt |
| TTS | 文本：你好，欢迎使用 Model CLI。本地模型，也能拥有清晰、自然的声音。 |
audio/tts-zh.wav |
在仓库根目录运行。已有输出文件时需要保留示例中的 --force。
uv run modelcli detect samples/images/detect-street.jpg \
--confidence 0.6 \
--draw-boxes samples/results/detect-street-boxes.jpg \
--force
uv run modelcli ocr samples/images/ocr-sign.png \
--out samples/results/ocr-sign.txt \
--draw-boxes samples/results/ocr-sign-boxes.png \
--force
uv run modelcli asr samples/audio/asr-zh.wav \
--lang zh \
--timestamps \
--out samples/results/asr-zh.txt
uv run modelcli tts \
"你好，欢迎使用 Model CLI。本地模型，也能拥有清晰、自然的声音。" \
--out samples/audio/tts-zh.wav \
--max-duration 12 \
--force样例结果可能因运行库、平台和模型上游内容变化而略有不同。
- 标题：2023 in Amsterdam - a view in the street Javastraat...
- 作者：Fons Heijnsbroek
- 来源：Wikimedia Commons
- 许可：CC0 1.0 Universal
- 本仓库保存 Wikimedia 提供的 960px JPEG 缩略版本；像素内容未修改。检测框版本是 ModelCLI 的衍生输出。
由本项目维护者创建，原始文件也是 tests/fixtures/ocr_test.png。它与 ModelCLI 项目本身采用相同的 Apache License 2.0。
由当前仓库的 MOSS-TTS-Nano 生成以下文本，再转换为 16 kHz、16-bit、单声道 WAV，用于 SenseVoiceSmall ASR 演示：
你好，欢迎使用本地模型。这是一段清晰的中文语音识别测试。
使用的默认参考音来自 MOSS-TTS-Nano 上游仓库。本项目锁定的提交 11619374849c649486584e3b10ed55b176a924ee 采用 Apache License 2.0，版权声明为 Copyright 2026 OpenMOSS Team, Fudan University, SII and MOSI。
由当前仓库的 MOSS-TTS-Nano 和默认中文参考音生成。文本见上方文件表。许可说明与 audio/asr-zh.wav 相同。