浏览 AI 技能、智能体和自动化

Qwen3 VL Demo

Qwen · 工具包

Qwen 团队为其 Qwen3 VL 视觉语言系列做的 Gradio 演示。可在浏览器里用，也可在装有 Python 的自己电脑上运行。

Finetune Studio

qgallouedec · 工具包

不写代码就能用你自己的对话微调开源模型。用 Hugging Face 登录，选模型和一组聊天，选训练时长，成品模型就会出现在你的账号里。

SAM3 + Qwen3.5

prithivMLmods · 工具包

一个多目标跟踪的浏览器演示，结合了 SAM 3 模型和一个 2B 的 Qwen3.5 模型。适合想不安装任何东西就试用跟踪的计算机视觉开发者和研究者。

Flux.2 Klein Edit Ultra Fast

prithivMLmods · 工具包

用 FLUX.2 klein 4B 模型编辑图片，并搭配小型解码器来加快出图。这是一个在 Hugging Face 上运行的 Gradio 应用，适合设计师和开发者。

Vāgdhenu

prathoshap · 工具包

一个梵语吟诵的文字转语音演示，接受多种印度文字书写的诗句，让你选择格律，并渲染成音频。运行在 Hugging Face ZeroGPU 上。

Salamtak سلامتك

plitip · 工具包

检查一张工地照片里的安全隐患，给出安全、需要注意或不安全的结论，并用七种工人语言给出简短提醒。基于视觉模型和普通规则，没有大语言模型。适合工地安全团队。

HolosTTS: Ukrainian text to speech

patriotyk · 工具包

在浏览器里用 HolosTTS 模型朗读乌克兰语文本，该模型用包含多位说话人的乌克兰语数据集训练。适合处理乌克兰语音频的创作者、老师和开发者。

Parler-TTS

parler-tts · 工具包

在浏览器里用 Parler-TTS 大号和迷你模型把文字变成语音。适合创作者、开发者和想在使用前先听听模型效果的研究者。

OpenPose

ovi054 · 工具包

一个 Gradio 应用，从名字来看，它把图片变成 OpenPose 结果，也就是人体姿态的骨架。适合需要从图片得到姿态图的艺术家和开发者。

open-predico 看板

open-predico · 工具包

用静态网页和图表展示 open-predico 项目的实时预测和回测结果。适合关注它基准测试、想查看得分、目标序列和输入的人。

DeepSite v2

ongudidan · 工具包

一个由 DeepSeek AI 驱动的编程平台，根据你的要求生成应用。适合想把生成式 AI 用进编码工作的开发者、数据科学家和 AI 工程师。

Egyptian Arabic TTS

omarelshehy · 工具包

在浏览器里用基于 Chatterbox 的 NAMAA 埃及阿拉伯语文字转语音模型朗读阿拉伯语文本。适合阿拉伯语内容制作者、开发者和想听听这个模型的研究者。

Music Flamingo

nvidia · 工具包

在 Gradio 页面里，用 NVIDIA 的 Music Flamingo 模型处理音乐音频，运行在 Hugging Face 的 ZeroGPU 硬件上。适合处理音频和音乐的研究者和开发者。

Seldon Demo

Neuralk-AI · 工具包

用 Seldon-Mini 模型对数据表的行做分类，并在同一份划分上与 AutoGluon 基线对比。可用示例表或你自己的 CSV。适合数据科学家和机器学习工程师。

Chakkhu Khmer OCR

muyleanging · 工具包

从一行文字或整页印刷品的图片里读出高棉语和英语文字，返回文字、置信度和行框。这是一个在 CPU 上运行、带免费 API 的演示，适合数字化高棉语文档的人。

Gpu Tflop Finder

muellerzr · 工具包

在一个小型 Gradio 应用里查询某块 GPU 的 TFLOPs，也就是算力速度的度量。适合需要比较显卡或估算工作量的机器学习工程师和爱好者。

Parakeet Redux WebGPU

mrfakename · 工具包

在浏览器里用 WebGPU 把语音转成文字，提供两个大小不同的 Parakeet 模型。适合想在本地做语音识别的人，也适合研究浏览器端识别的开发者。

Fast Whisper Turbo

mrfakename · 工具包

在 Gradio 应用里运行 OpenAI 的 whisper-large-v3-turbo 语音识别模型，用于快速转写。适合需要把音频转成文字的人，以及想读一个简短 Whisper 封装的开发者。

Icelandic LLM Leaderboard

mideind · 工具包

Miðeind 的静态排行榜页面，在冰岛语任务上给大语言模型排名，适合为冰岛语选择或研究模型的人。

Qwen Image 2.1 Studio

MariucaFuckingGood · 工具包

把 Qwen Image 2.1 的九个图像工具放在一个页面里，涵盖生成、编辑、物体移除、重新打光和扩图。适合想在一处完成 AI 图像编辑的设计师和照片编辑者。

Gta

lucidml · 工具包

打开一个静态网页，用来试用名为 GTA 的模型。README 只有一行，没有说明 GTA 代表什么，也没有说明模型做什么。

General World Model

lucidml · 工具包

让你在浏览器里通过切换文字提示词来试用一个世界模型。README 只有一行，所以细节仅限于仓库里能看到的内容。

Xiaomi OCR 0 Demo

loongwayX · 工具包

在基于 Docker 的文档工作台里，用 Xiaomi-OCR-0 模型解析图片和 PDF，提取字段，并回答关于文档的问题，需要 GPU。

GPT SoVITS V2 Pro Plus

lj1995 · 工具包

在零样本文字转语音的 Gradio 演示里，用一段 3 到 10 秒的参考录音引导声音，说出你输入的任何文字。

H3 Camera Angle Control

linoyts · 工具包

在 Gradio 应用里用 Meridian 视频模型，按你拖动 3D 相机设定的新机位，重新拍摄一段视频或一张照片。

SchemeArena

launch · 工具包

展示一个用 400 个场景测试 LLM 智能体是否会耍心机的研究项目，并介绍名为 SCOUT 的监测器。这是面向 AI 安全研究人员的静态项目页面。

Votepurchase Multiple Model (SD1.5/SDXL Text-to-Image)

John6666 · 工具包

在一个浏览器页面上，用多个 Stable Diffusion 1.5 和 SDXL 模型按文字提示词生成图片。适合想试用多个图像模型、又不想逐个搭建的人。

LBM Relighting

jasperai · 工具包

一个来自 jasperai 的 Gradio 应用，用 Latent Bridge Matching 快速给图像重新打光，可以在浏览器里在线运行，也可以用 Python 3.12 在你的电脑上运行。

InstantID

InstantX · 工具包

一个围绕 InstantX/InstantID 模型搭建的 Gradio 演示，带有 Stable Diffusion XL 流水线、ControlNet 深度和边缘模型以及风格模板，可以在线运行，也可以在你的电脑上运行。

Girlslike Lora Gallery

ifmylove2011 · 工具包

把 girlslike 系列 LoRA 收集在一个 Gradio 画廊里，让你浏览缩略图并下载文件。它在基础 CPU 硬件上运行。

Number Tokenization Blog

huggingface · 工具包

Hugging Face 的一个静态博客页面，讲数字分词，也就是语言模型把数字拆成小片段的方式，适合好奇模型如何处理数字的读者。

WeVisOne-VL-2B

hugging-apps · 工具包

在图片上试用腾讯的 WeVisOne-VL-2B 视觉语言模型，从找物体、数数、读文字到抠出主体。适合做图像理解的开发者和研究者。

P-JiT 21K

hugging-apps · 工具包

用 P-JiT 21K 根据文字提示生成图片，这是一个直接在像素空间工作的扩散 Transformer，并带有给短提示扩写的功能。适合图像生成的研究者和开发者。

MuLaCover

hugging-apps · 工具包

在 Gradio 演示里根据参考曲目、你自己的歌词和一行风格描述生成 AI 翻唱歌曲。模型权重和生成结果只能用于非商业用途。

Car Garage Academy

hmb · 工具包

通过浏览器里的交互式 3D 课程，教你汽车是怎么制造和维修的，包含课程、测验、刹车作业、发动机装配和故障排查游戏。适合学生和汽车爱好者。

Tile Upscaler

gokaygokay · 工具包

在 Gradio 应用里用 Real-ESRGAN 和受 ControlNet 引导的扩散模型放大图片，适合需要更大版本图片的人。

voice-call-wasm

fusorlabs · 工具包

在浏览器里用三个小模型在你自己的 CPU 上进行语音对话，模型下载完成后，不会把任何音频发到别处。

Character Select Saa

flagrantia · 工具包

打开 flagrantia 的一个 Gradio 演示，它与数据集 character_select_stand_alone_app 相关。卡片没有给出描述，所以只有打开页面才能看到它提供什么。

GUIA

feifanjasmineguan · 工具包

作为静态网站，帮助访客规划博物馆参观，用文字搜索艺术品，收藏喜欢的作品，并在室内地图上沿步行路线前往。

Zero GPU Spaces

enzostvs · 工具包

展示一个可浏览的列表，列出在 ZeroGPU 硬件上运行的 Hugging Face Space。适合想找使用共享 GPU 时间的 AI 演示的人。

Turkish ASR Leaderboard

EmreAkgul · 工具包

在一套 Google 测试数据集上，按基准测试和计时结果对比土耳其语语音转文字模型，帮你为土耳其语音频选一个语音识别模型。

Model Pulse

emanforhelp · 工具包

展示 Hugging Face Hub 上每个模型自 2024 年 7 月以来的每日下载历史、点赞和衍生家族，带对比图表和每周榜单。适合关注开源模型的模型作者和分析人员。

Omni Video Factory

elbobo · 工具包

你可以在浏览器里的 Gradio 应用中，用一段文字或一张静态图片生成视频片段，也可以延长已有的视频。

Saudi SALLM Q9B V1 Demo

Dr-Zeyad-Alghamdi · 工具包

你可以在浏览器页面里运行基于 Qwen3.5-9B 语言模型和私有适配器的 Gradio 研究演示，适合在 GPU 硬件上测试模型的人。

Saudi SALLM J7B V1 Demo

Dr-Zeyad-Alghamdi · 工具包

你可以在浏览器页面里运行围绕 Jais-3-7B 语言模型的入门级 Gradio 演示，适合想在 GPU 硬件上试用适配器的人。

Saudi SALLM A7B V1 Demo

Dr-Zeyad-Alghamdi · 工具包

你可以在浏览器页面里试用建立在 ALLaM-7B-Instruct-preview 之上的研究型语言模型适配器，适合测试和比较语言模型的人。

Wd14 Tagging Online

deepghs · 工具包

在一个小型 Gradio 页面里，用两个 WD14 标注模型给图片打标签，无需安装。适合给图片打标签、或需要给图片集生成文字标签的人。

GGUF Model VRAM Calculator

DavidAU · 工具包

在浏览器里运行的静态页面，估算一个 GGUF 模型需要多少显存。适合想选一个能装进自己显卡的量化模型的人。

DALL·E mini

dalle-mini · 工具包

一个 dalle-mini 模型的静态网页前端，从名字看是用文字驱动的图像生成器。README 没有描述，所以具体控件没有文档说明。

NitroFusion2

ChenDY · 工具包

用 NitroFusion2 只需一两步就能从文字生成图片，它是基于 Z-Image-Turbo 的模型，页面运行在 ZeroGPU 硬件上。适合想要快速文生图结果的人。

Talking Pixel

cfahlgren1 · 工具包

给你一个会朗读你所输入文字的像素角色，用的是只有 1.4M 参数的小型语音模型，完全在浏览器里运行，不需要服务器，也不需要 GPU。

FLUX.1 Kontext

black-forest-labs · 工具包

在浏览器演示里用 FLUX.1 Kontext dev 模型编辑图片，自带三张示例图片。适合想不在本地搭环境就试试 AI 图片编辑的设计师和图像创作者。

Unlimited OCR Works 2 Studio

baidu · 工具包

用 Unlimited-OCR-2 模型把上传的页面图片或最多 20 页的 PDF 解析成排好版的 Markdown，带实时流式显示和渲染视图。适合做文档数字化和测试 OCR 的人。

Full Duplex Leaderboard

aufklarer · 工具包

用三个公开基准比较语音智能体：何时开口、该调用哪个工具，以及说话是否符合风格指令。适合构建或挑选语音智能体的团队。

Image to Video

ArtemisFowl2 · 工具包

根据你写的场景或你的照片做出一段短视频，请求会发给它的所有者的视频引擎。需要一个免费的 Hugging Face 账号，并给这个 Space 点赞。

Idol Image to 3D

AmandaCat · 工具包

把一张物体图片变成可以旋转、缩放并下载为 PLY 文件的 3D Gaussian Splat。适合想尝试图片转 3D 的创作者和开发者，带 API 和 MCP 服务器。

Turkish MMLU Leaderboard

alibayram · 工具包

在土耳其语版 MMLU 基准上给 AI 模型排名，带筛选、可浏览的模型回答、分章节图表和提交新模型的表单。适合需要比较土耳其语模型的人。

MagicQuillV2

AI4Editing · 工具包

把 AI4Editing 团队的 MagicQuillV2 演示作为带打包自定义组件的 Gradio 应用来托管。这个 Space 没有文字说明，想知道它做什么，请看 README 指向的论文和代码仓库。

GPT-X3-150M ONNX

ahmadw · 工具包

在 ONNX Runtime 上以五种精度运行 GPT-X3-150M，并比较它们的输出和速度，令牌在 CPU 上流式生成。适合权衡模型大小和质量的开发者。

Healthcare MCP Server

Agents-MCP-Hackathon · 工具包

让助手查询 FDA 药物信息、PubMed 论文和 Health.gov 主题的 Gradio MCP 服务器。适合需要医疗参考查询的开发者和研究者。

Unit 1 Quiz - AI Agent Fundementals

agents-course · 工具包

用一份题目来自数据集的测验，检查你对 AI 智能体基础知识的掌握，属于智能体课程的一部分。适合正在学习这门课程的人。

ACE Step

ACE-Step · 工具包

在浏览器演示里用 ACE-Step 基础模型，根据文字描述和歌词生成音乐。适合想用 AI 快速得到多种风格和语言的音乐草稿的音乐人、制作人和内容创作者。

InsightFace-Face Swapper-on Video

zerovic · 工具包

把视频片段里的一张脸换成另一张脸，用 InsightFace 换脸模型加一个简单的 Streamlit 页面。可以在 Hugging Face 的浏览器里用，也可以在你自己的电脑上跑。

Parakeet Ultra Transcriptor

Zangurak1 · 工具包

把上传的音频或视频转成完整文字，提供 TXT 下载，词级时间可用时还提供 SRT 字幕文件。界面是西班牙语，适合学生和需要转写录音的人。

LinnetTTS

VoxRT · 工具包

用 LinnetTTS 把文字朗读出来，这是一个小型的设备端文字转语音模型，能流式输出音频，在 CPU 上实时运行。适合开发者，也适合想在浏览器里听听效果的人。

RelayVSR Video Upscaler

Upsampler · 工具包

在 Hugging Face 的 Gradio 页面里，用 RelayVSR 扩散模型提高视频分辨率。适合想要更清晰画面、且帧与帧之间纹理保持稳定的剪辑师和开发者。

UniMate for Agents

townbox · 工具包

根据一句文字为带骨骼绑定的骨架生成动画，通过 REST API、MCP 工具和 Gradio 页面返回带动画的 GLB、动作数据和预览。适合智能体开发者、游戏开发者和动画师。

Russian Text To Speech

TeraTTS · 工具包

用 TeraTTSv2 模型和十个内置参考声音朗读俄语文本，返回一段 44.1 kHz 单声道音频。这是一个在 Hugging Face 上运行的 Gradio 演示。

Weightprint

tardellirs · 工具包

在一个静态页面里，通过比较权重和声明的父模型，测量一次微调改动了什么。适合想核实某个 Hub 模型到底是什么的人。

Model Pulse

tardellirs · 工具包

展示 Hugging Face Hub 上模型自 2024 年 7 月以来的每日下载历史、点赞数和衍生模型家族，还有模型对比图和每周排行榜。适合模型开发者和研究人员。

Sesame CSM

sesame · 工具包

Sesame 的 1B 对话语音模型的浏览器演示，可根据文字和音频输入生成语音。用于研究和教育，严禁冒充和欺骗。

RVC⚡ZERO

r3gm · 工具包

一个基于 VITS 的声音转换演示，可在浏览器里运行。自带一个示例声音模型、示例音频和一个 HuBERT 基础模型。适合探索声音转换的音频爱好者和开发者。

Qwenx86 Debugger

Quazim0t0 · 工具包

在浏览器里回放 Qwenx86 的录制运行。Qwenx86 是权重里内置 x86 计算机的 Qwen 模型，页面逐步显示寄存器、代码、RAM 和工具输出。

Qwen-Image-2.1-LoRAs-PnP

prithivMLmods · 工具包

把 Qwen Image 2.1 模型的即插即用 LoRA 收集在一个 Gradio 页面里，涵盖扩图、一致性和任意角度等风格。适合用 LoRA 编辑图片的人。

MinerU Document Extraction Tools

opendatalab · 工具包

用运行在 ZeroGPU 上的 MinerU 演示，从 PDF、Office 文件和其他文档里提取内容。适合把文档变成结构化文本的开发者和数据团队。

Open VLM Leaderboard

opencompass · 工具包

展示用 VLMEvalKit 工具包收集的视觉语言模型得分排行榜，有总榜，也有每个基准的单独表格。适合比较多模态模型的研究者和工程师。

Llm Glossary

Omartificial-Intelligence-Space · 工具包

一个网页，按术语逐个讲解语言模型是怎样学习的。适合刚接触大语言模型的人、学生和老师。

Serverless ImgGen Hub

Nymbo · 工具包

用 Flux 和 Stable Diffusion 3.5 模型加风格 LoRA 根据文字提示词生成图片，你这边不需要 GPU。容易修改。适合艺术家、爱好者和开发者。

RVC-v2 + Beatrice-v2 Voice Conversion + training

Luminia · 工具包

用 RVC v2 或 Beatrice v2 模型把一段录音转换成另一种声音，还能用你自己的音频训练新模型，页面在 CPU 上也能运行。适合音频爱好者和开发者。

Image To Text

Jonny001 · 工具包

用 Florence-2-base 模型把上传的图片转成文字提示词。在浏览器里以小型 Gradio 应用运行，使用基础 CPU 硬件。

VoiceTut Egyptian-Arabic TTS (diacritized)

hugging-apps · 工具包

朗读埃及阿拉伯语文本，利用变音符号让发音更清晰，提供 19 种内置声音，也可以根据一段短音频克隆声音。适合用埃及阿拉伯语工作的创作者、学习者和开发者。

MOSS-Image 8-step DMD

hugging-apps · 工具包

用 MOSS-Image-SFT 的蒸馏版本，在 Gradio 页面里 8 步从文字生成图片，运行在 ZeroGPU 硬件上。这是一个仍在开发中的演示，适合想要更快文生图的人。

S1MB Leaderboard

hotchpotch · 工具包

在一个已保存结果的查看器里，比较 System One Decision Models 在 100 多个基准上的表现。适合想看模型哪里强、哪里弱的研究者。

Facefusion

Facefusion39 · 工具包

Facefusion39 账号下的一个很小的 Gradio 应用，卡片暗示与换脸有关，但没有细节。可以在浏览器里打开，也可以在自己电脑上运行它的两个文件。

MusicGen

facebook · 工具包

用 MusicGen 模型把文字描述变成一小段音乐，是基于 AudioCraft 音频库的浏览器演示。适合想探索文字生成音乐的音乐人、开发者和研究者。

LLM VRAM Calculator

donaldJJ · 工具包

估算 Hugging Face 模型在任意量化和上下文长度下需要多少显存，拆成权重、KV 缓存和额外开销，并显示哪些 GPU 容量够用。适合计划在本地运行大模型的人。

Confucius4-TTS Voice Clone

CharlesW · 工具包

根据一段简短的参考音频克隆声音，并用这个声音朗读你的文字，带自动语言检测和可选的参考音频转写。适合测试文字转语音和声音克隆的人。

BEHAVIOR-1K 2026 Challenge Leaderboard

behavior-1k · 工具包

展示 BEHAVIOR-1K 2026 Challenge 的公开排名和提交入口，并保留 2025 年的存档榜单。适合参赛者、组织者和关注结果的人。

Unlimited OCR

baidu · 工具包

用百度的 Unlimited-OCR 模型从图片和文档里读出文字，是一个 Gradio 页面，运行在 Hugging Face 的 ZeroGPU 硬件上。适合需要从图片中取出文字的人。

fev-bench

autogluon · 工具包

AutoGluon 团队的预测评估基准，以 Streamlit 应用的形式放在 Docker Space 里。适合比较时间序列预测模型的人。

PAN 2 World Model

akhaliq · 工具包

把文字提示，或提示加首帧图片，转成 PAN 2 世界模型模拟出的短视频。适合想试用或研究世界模型视频生成的人。

Image To Flux Prompt

aifeifei798 · 工具包

一个小型 Gradio 应用，从名字来看，它把图像变成 Flux 图像模型的提示词。适合想要起始提示词的图像创作者，以及想读一个短应用的开发者。

AI Phone Leaderboard

a-ghorbani · 工具包

在 Streamlit 仪表盘里查看和分析移动设备的 AI 基准结果，带有图表和筛选。适合想比较手机运行 AI 模型表现的人。

SkinTokens for Agents

townbox · 工具包

通过 REST API、MCP 工具或网页，为 3D 网格生成预测的骨架和蒙皮权重，运行在 ZeroGPU 硬件上。适合 3D 艺术家、游戏开发者和 AI 智能体。

Midi Music Generator

skytnt · 工具包

用 AI 音乐模型作曲，输出 MIDI，可在浏览器或你自己的电脑上使用。适合想要可编辑的机器作曲的音乐人、爱好者和开发者。

Coilstellaration Bench

proxima-fusion · 工具包

给能根据等离子体边界和需求指标预测仿星器线圈组的 ONNX 模型打分，研究人员可以提交模型并比较结果。

Seed Voice Conversion

Plachta · 工具包

在运行于 ZeroGPU 硬件的 Gradio 页面里，把一个声音的语音转换成另一个声音，基于 Seed-VC。适合想试用声音转换的开发者和音频制作者。

Kimodo

nvidia · 工具包

用 NVIDIA 的 Kimodo 模型根据文字提示词生成动作，页面可以在浏览器里打开，也可以自己用 Docker 构建。适合动画师和研究者。

Background Removal

not-lain · 工具包

在浏览器里用 BiRefNet 模型把图片的背景抠掉。适合设计师、店主和想不安装任何东西就得到干净抠图的人。

YuE2-3B Music Generator

mrfakename · 工具包

在浏览器页面里用 YuE2-3B 模型，根据风格提示词和歌词生成歌曲和翻唱。适合想试试 AI 歌曲生成的音乐人和爱好者。