浏览 AI 技能、智能体和自动化

gemma-4-12B

google · 工具包

Google 的 Gemma 4 12B Unified 模型，是能读文字、图片、音频和视频并输出文字的开放模型，上下文 256K，不需要单独的编码器。适合运行本地 AI 的开发者。

Qwen3.8-27B-FP8

Qwen · 工具包

用 Qwen3.8-27B 的 FP8 量化权重处理文字、图片和视频，它是带可调思考模式的 27B 稠密模型。适合用 transformers、vLLM 或 SGLang 部署它的开发者。

Alpie Seed 9B

169Pi · 工具包

用一个基于 Qwen3.5-9B 的 9B 开放权重模型处理文字、图片和视频，做推理和编程，并提供适合轻量硬件的 GGUF 版本。适合想要能离线运行的模型的开发者。

Minimax-h3_Singularity

WarmBloodAban · 工具包

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。

Wan2.2-TI2V-5B

Wan-AI · 工具包

用文字，或用图像加文字，生成 720P、24 fps 的视频，能在单块消费级显卡（如 4090）上运行。这是 Wan-AI 的 5B 视频模型，适合创作者和研究者。

PAN 2

IFM · 工具包

MBZUAI 的 IFM 做的 29B 世界模型，把一个场景和描述的动作变成最长 20 秒的视频，让智能体可以预览结果，适合有大显卡的研究人员和智能体开发者。

embeddinggemma-2

google · 工具包

Google DeepMind 的开源嵌入模型，把文字、代码、图片、视频和音频放进同一个 768 维向量空间，可在笔记本和手机上运行。适合构建搜索和检索的开发者。

Uniformer_video_demo

Andy1621 · 工具包

一个 Gradio 演示，用 Andy1621/uniformer 模型给短视频打标签，带三段示例视频。适合想在浏览器里试用视频分类的人。

Reddit Video Downloader

Amrrs · 工具包

一个 Streamlit 应用，按名字看是用来保存 Reddit 上的视频。README 没有写步骤，具体要求看页面。适合有权保存该视频的人。

Omni-Video-Factory-API-iframe

Tanyakhan · 工具包

在浏览器或你自己的电脑上运行一个 Gradio 应用，它的名称把它和视频制作以及 iframe 里的 API 联系在一起。README 没有说明用途，所以它具体做什么并不明确。

Ltx Video Extender

Sobhanm · 工具包

在 Gradio 应用里让视频变得更长，使用 Lightricks 的 LTX 2.5 Diffusers 模型。适合想让片段超出原有长度的创作者和开发者。

Free-View Expressive Talking Head Video Editing

sky24h · 工具包

一个用于编辑说话头像视频的 Gradio 演示，如标题所示，支持自由视角和表情控制。适合想试用该方法或阅读其代码的研究者和开发者。

Extender

Skolavennu · 工具包

一个小型 Gradio 应用，能把视频延长你指定的秒数。适合想把片段拉长，又不想打开剪辑软件的创作者和开发者。

ModelScope Text To Video

shamedrank10 · 工具包

在 Gradio 演示里，用 ModelScope 文生视频扩散模型把英文文字提示词变成 256x256 的短视频。适合想试试文生视频的研究者和好奇的创作者。

omni-editor-img and vdo-api-iframe-ZeroGPUID

Saravutw · 工具包

在浏览器或你自己的电脑上运行一个 Gradio 应用，它的名称把它和图像编辑以及 iframe 里的视频 API 联系在一起。README 没有说明用途，所以它具体做什么并不明确。

VideoMaMa++

SammyLim · 工具包

一个随时间保持一致的视频抠像交互演示。SAM3 跟踪你点击或指名的物体，VideoMaMa++ 把跟踪结果变成 alpha 蒙版。非商业许可。

Sora Revival

Robuxy0016 · 工具包

一个非官方演示，用 Open-Sora v1.2 由文字提示词或参考图片生成短视频。与 OpenAI 无关。可在 Hugging Face 上用，也可在自己电脑上运行。

Reachy Mini - Yo It's Your Boy

pollen-robotics · 工具包

播放一支 2 分 12 秒的机器人音乐视频，它本身就是一个网页，Reachy Mini 在 three.js 场景里跳舞。包含播放器、代码和逐帧渲染器。

Open VLM Video Leaderboard

opencompass · 工具包

一个视觉语言模型在视频理解基准上得分的排行榜，有总排名，也有每个基准的详细榜单。适合挑选模型的研究人员和工程师。

RealESRGAN Pytorch

Nick088 · 工具包

通过一个好用的 Gradio 应用，用 Real-ESRGAN 放大图像和视频。适合想把低分辨率素材变得更大更清晰的摄影师、视频剪辑师和创作者。

First Order Motion Model 中文展示版

n97141506 · 工具包

在 First Order Motion Model 的中文 Gradio 演示里，用来源图片和驱动视频生成动画视频，并给出左右对照。适合探索动作迁移的学习者和开发者。

Gradio Lipsync Wav2lip

manavisrani07 · 工具包

在 Gradio 页面里运行 Wav2Lip 口型同步，把嘴部动作和语音音频对上，适合试验视频和语音工具的人。

Video Backend

maazahmadkhan8171 · 工具包

在浏览器或你自己的电脑上运行一个名为 Video Backend 的小型 Gradio 应用。README 没有说明用途，只能从名称和一个 yt-dlp 文件推测它的用处。

Le Tube

loubnabnl · 工具包

展示一个 YouTube 风格的视频浏览页，为不局限于编程的好奇人群重新排序，你的点赞和历史只保存在自己的浏览器里。

VideoLLaMA2

lixin4ever · 工具包

一个基于 VideoLLaMA2 模型、用来理解视频等媒体内容的聊天应用。在浏览器里以 Gradio 应用在 ZeroGPU 上运行，适合想就视频片段提问的人。

MoCapAnything V2

kehong · 工具包

把一段视频转成适用于任何物种或物体的预测 3D 姿态骨架，并提供 BVH 和 npy 文件下载。可以把动作重定向到与视频里不同的骨架上。

Video Background Removal

innova-ai · 工具包

用 BiRefNet 模型去掉或更换视频的背景，可以在浏览器里在线运行，也可以用 Python 在你自己的电脑上运行。

Zeroscope V2

hysts · 工具包

一个来自 hysts 的 Gradio 演示，用 zeroscope_v2_576w 模型做文字生成视频，可以在浏览器里在线运行，也可以用 Python 3.12.12 在你的电脑上运行。

LeapTalk

hugging-apps · 工具包

把一张人像照片和一段语音变成口型同步的说话人头像视频，是 LeapTalk 模型的演示，适合研究者、开发者和创作者。

JoyAI Video Edit

hugging-apps · 工具包

根据一句自然语言指令编辑视频，并在生成过程中按块把结果流式传回。是 JoyAI-Video-Edit 模型的演示，适合视频剪辑师和研究者。

4DAnyone Multi-View Video

hugging-apps · 工具包

把一段人像视频变成同一段表演的多机位同步视频。是 4DAnyone 模型的演示，适合制作 4D 重建输入的研究者。

MuseTalk 1.5

henrybit · 工具包

用参考图片或视频加一段驱动音频生成口型同步的视频，并提供嘴部区域的测试步骤。是给做说话人脸的人用的 Gradio 演示。

SparkReel

Henry96 · 工具包

星火短剧场的一个静态网页，它自称是免费的 AI 短剧视频生成工具。只有纯 HTML、CSS 和一张预览图。

Face Redaction

hamzaasyf · 工具包

找出照片或视频里的每一张人脸并用像素化、模糊或纯色块遮住，其余画面保持不变。适合处理监控、活动或街头素材的隐私团队。

Video Dubbing (SoniTranslate)

G-Rost · 工具包

在 Gradio 页面里用开源项目把视频配音成另一种语言。适合想翻译视频里语音的创作者。

CoWTracker

facebook · 工具包

跟踪上传视频里的每一个像素随时间的运动，并用彩色轨迹画出来。适合研究人员和想研究画面中物体如何运动的人。

MEMFOF Optical Flow

egorchistov · 工具包

为全高清视频估计光流，也就是帧与帧之间每个像素的运动，同时占用很少的 GPU 显存，带 Gradio 演示和多个训练好的模型。适合计算机视觉研究者和视频工程师。

ClaimRadar BG

DyrakArmy · 工具包

在保加利亚语文本、音频和视频中找出可核查的说法，在网上搜索来源，并给每个说法一个带证据的结论。适合想检验自己所读所听内容的记者、事实核查人员和读者。

Sports2d

DavidPagnon · 工具包

在 Gradio 页面里，从视频文件或网络摄像头画面中算出人体的二维姿态和关节角度。适合教练、运动研究者和任何想研究身体如何运动的人。

AI Talking Avatar Generator From Photo

cosmichackerx · 工具包

用 SadTalker 在 ZeroGPU 上，把一张静态照片和一段音频或语音文件变成口型对得上的说话头像视频。适合制作主持人视频、演示和在线课程片段的创作者。

Video Face Swapper

asaelk · 工具包

通过 Gradio 网页应用给视频换脸，这是根据名称和文件做的判断。README 没有描述。只使用你有权使用的人脸。

CCTV Visual RAG

alinawazmahar · 工具包

输入一句日常语言的描述，就能在监控视频里找到对应时刻，并返回最匹配的画面和时间戳。适合想搜索录像而不是逐帧拖动查看的人。

UnlimitedMusicGen

Surn · 工具包

根据文字描述或一段引导旋律生成任意长度的音乐，方法是把生成的片段接起来。它扩展了 Meta 的 Audiocraft，适合音乐人、视频创作者和开发者。

SoulX FlashHead

Soul-AILab · 工具包

以流式方式演示 SoulX FlashHead 1.3B 模型，从名字和辅助模型看，它像是由语音驱动的头像视频。适合想试用它或阅读它代码的人。

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。

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。

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。

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。

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。

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。

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。

Wan 2.2 Animate Character Replace

neksjgg · 工具包

用 Wan 2.2 Animate 模型，把视频里的角色换成参考图里的角色，在 ZeroGPU 上运行。适合不想在本地搭环境、想换角色的视频创作者和动画师。

WAN2.2 I2V LIGHTNING-Video-4-8step

Saravutw · 工具包

在 Gradio 页面上用 Wan2.2 图生视频模型把静态图片变成短视频，设置成 4 到 8 步的快速运行。适合想在浏览器里让图片动起来的创作者。

Omni Video Factory

FrameAI4687 · 工具包

在浏览器里运行的 Gradio 页面，可以根据文字描述或静态图片生成视频，也能延长做好的视频。适合想测试 AI 视频、又不想安装任何东西的创作者。

Omni Video Factory

vamo455 · 工具包

在浏览器里运行的 Gradio 页面，可以用文字生成视频、用图片生成视频，也能延长现有视频。适合想快速测试 AI 视频、又不想安装任何东西的创作者。

Visualize Dataset (v2.0+ latest dataset format)

lerobot · 工具包

用同步的视频、交互图表、3D 机器人回放和标记坏数据片段的工具，浏览 LeRobot 格式的机器人数据集。适合机器人研究人员和从业者。

MTEB Leaderboard

mteb · 工具包

在浏览器或 Docker 里运行的排行榜页面，给文本、图像、音频和视频的嵌入模型排名。适合选择嵌入模型的人。

一个 n8n 工作流，接收一个想法和一个视频链接，让 PostWire 为每个网络写文案，并用一次请求把视频发布到 TikTok、Instagram 和 YouTube。

一个 n8n 工作流，等 Google Drive 文件夹里出现新视频，用 OpenAI 转写并写出帖子描述，再把视频发布到 TikTok 和 Instagram。

一个回答 YouTube 相关问题的 n8n 聊天智能体。它能找频道、列视频、读简介和评论、取文字稿、评判缩略图，并把每次聊天的历史记录保存在 Postgres。

一个接收 YouTube 链接的 n8n webhook。它查出视频信息，让 Gemini 观看视频并写出结构化摘要，把摘要返回给调用方，再把标题和链接发到 Telegram。

一个带网页表单的 n8n 工作流。粘贴一个 YouTube 链接，Apify 的 actor 取回字幕文本，OpenAI 模型再写出一份摘要。

一个为视频写配音的 n8n 工作流。它从视频里挑出帧，让 OpenAI 视觉模型分批描述，把脚本变成语音，并把 mp3 存进 Google Drive。

一个 n8n 工作流，从 Airtable 取一篇博客文章，让 OpenAI 写出四个场景的视频脚本，再用 Leonardo.ai 为每个场景和缩略图画一张 9:16 的图。图的链接进入素材表。

一个 n8n 聊天：你说出一个细分领域，智能体就搜索 YouTube 过去两天的视频，逐个查出播放、点赞和标签，再报告这些新视频有什么共同点。

Qwen3.8-27B

Qwen · 工具包

能读懂文字、图片和视频并用文字回复的 27B 开源模型，面向编程、研究和多步骤智能体任务，适合自己部署模型的开发者。

artcraft

storytold · 工具包

一个制作 AI 图像和视频的工作室，你可以在 2D 中构图、在 3D 中搭建场景并选择模型，在生成之前就掌控画面。适合艺术家、设计师和电影人。

Meng To Agent Skills（设计与构建智能体技能库）

MengTo · 技能

Meng To 的技能库，有 170 多个给设计师和开发者用的智能体技能。它涵盖网页设计、3D、插画、游戏和智能体工作流，开头是四个研究参考视频或页面、写出构建提示词的技能。

SigmaStudioz Agent Skills（编程智能体技能包）

sigmastudioz · 技能

SigmaStudioz 的 Lex 做的六个编程智能体技能。三个规范工程工作：按业务领域改代码、限时技术调研和成果复核。三个是视觉类：交互式图解和影片、视频分析，以及打包好的 React 特效。

mpv

mpv-player · 工具包

在命令行里播放音频和视频文件，支持多种格式、编解码器和字幕类型，可用于 Linux、Windows 和 macOS。适合喜欢在终端里运行播放器的人。

大头拼贴（bighead-collage）

HeyChengC · 技能

把一个选题和一份文案做成大头拼贴视频，自带配音、生成的图片、动画和音效，适合做故事类账号的创作者。

visant-skills-public

pedrojaques99 · 技能

提供 Claude Code 技能，用来决定界面、动效和文案，在提交拉取请求前审查屏幕是否有千篇一律的 AI 设计，还能剪辑视频。适合前端开发者和设计师。

AIEV

notivn · 技能

由 Claude 担任导演，自动剪辑视频：转写片段、规划剪辑、加上字幕、缩放和音效，并导出 MP4。适合想要本地控制台的创作者。

YouTube AI Motion Graphics

sirioberati · 技能

提供 74 个 HTML 动画讲解画板，用于 YouTube 视频，另附全部提示词和三个 Claude 技能，可把画板同步到你的声音并导出 MP4。

Open 3D Skills

Moh4696 · 技能

用八个技能教编程智能体搭建 3D 和动画网站，从 three.js 场景、滚动影片，到透明视频、跟随光标的角色和爆炸视图。适合网页开发者。

anymove

patch-gg · 技能

用单个 AI 视频为带骨骼绑定的生物制作 3D 动画，再导出为 GLB 文件。适合有 NVIDIA 显卡的游戏开发者和 3D 美术师。

vibe-knowledge（Vibe 知识大赏）

andyhuo520 · 技能

在 Claude Code 里把一个知识点做成有旁白的短片，每句话都有出处，从选题一路做到发布包。适合做科普视频的老师、频道主和写作者。

Code Animation Prompts

XiaoyeCodes · 技能

一个包含 341 种风格提示词的资料库，用来制作用代码生成的动画，另附一个给 Claude Code 和 Codex 用的技能，负责挑选风格并规划镜头。适合制作短视频和片头的创作者。

rea-video

JuneYaooo · 技能

把任何视频逐镜头拆开，说明它的画面、文字、剪辑和音频是怎么做出来的，再给出翻拍方案。适合使用 Claude Code 或 Codex 的创作者和营销人员。

Garden Skills（Garden 技能合集）

ConardLi · 技能

ConardLi 做的六个免费技能，给 AI 编程智能体用：代码渲染的动效视频、点击推进的网页演示、网页设计、GPT Image 2 提示词和出图、精美的 HTML 文章，以及基于本地知识库的问答。

Scenario Agent Skills

scenario-labs · 技能

用于 AI 智能体生成游戏及创意项目所需的图像、视频、音频和 3D 资产的技能集合。包含与 Blender、Unity、Unreal Engine 及其他专业内容创作工具的集成。

一个 n8n 工作流，用表单收下品牌、它的网站和一个 YouTube 视频。Apify 取回字幕和缩略图，OpenAI 按品牌配色写出一篇新闻风格的文章，Gmail 再把它寄给你 Google 表格里的每个地址。

一个 n8n 工作流，把竞争对手的视频广告、你的产品照片和网站，变成一段为你自己做 12 秒广告的提示词。OpenAI 已在 2026 年 9 月移除 Sora 2，所以它的 Sora 2 渲染步骤已经不能用。

一个 n8n 工作流，每天把 Google 表格里下一条 Ready 的行做成一段自拍风格的产品视频。OpenAI 模型写提示词，Kie.ai 用 Veo 3.1 渲染，链接写回这一行。

一个把六张图片做成一段渐变视频的 n8n 工作流。RunningHub 为每一对相邻的图片做一个两秒的片段，fal.ai 再按你发送的顺序把五个片段拼起来。

一个给 Telegram 机器人用的 n8n 工作流，接收文字、语音或带说明的照片形式的营销请求。Gemini 智能体把每个请求交给你自己的子工作流，去做图片、视频，或者 LinkedIn、Instagram、Facebook 帖子。

一个 n8n 工作流，根据 Google 表格里的链接改写 Instagram Reels。Apify 把每条 Reels 转成文字稿，OpenAI 按同样的结构写出新脚本、文案和画面文字，一个已关闭的部分还能做出数字人视频并发布。

一个 n8n 工作流，把一段视频按 37 种艺术风格之一重新绘制，从黏土动画到水彩都有。表单接收视频和风格，Cloudinary 托管视频，WaveSpeedAI 的 Wan 2.1 Ditto 模型按 480p 生成。

一个从 Google Sheets 队列出发、每天做一条十大排行倒数视频的 n8n 工作流。OpenRouter 上的模型写题目和脚本，JSON2Video 渲染视频，YouTube 收到一条不公开的上传。

一个 n8n 工作流：每周日从 Airtable 读取一份 TikTok 创作者名单。Apify 抓取每位创作者最新的视频，播放量最高的五条存进 Airtable。Gemini 逐条看完，写出创意、一份脚本和它火起来的原因。

一个 n8n 聊天工作流，写广告文案、视频广告脚本和冷启动邮件序列。一个路由智能体挑选写手，文案再交给你自己提供的 Markdown 转 Google Docs 转换器。

一个 n8n 工作流，找出你这个题目下播放数超过频道订阅数的 YouTube 视频。Apify 取回每个视频的文字稿，OpenAI 写出新标题、缩略图文字和大纲，记进你的 Google 表格。

一个 n8n 工作流：一张商品照、一张真人照，加一句拍摄要求，变成一条随手用手机拍的那种视频广告。WaveSpeedAI 把两张照片合成一张，Kie.ai 先渲染一张静帧再用 Veo 生成片段，fal.ai 把片段接起来。

一个 n8n 工作流：你把一个 YouTube 视频链接贴进 n8n 的聊天框，它读取最多 100 条评论，由 OpenAI 挑出暗示了视频选题的那些。每条入选的评论存进 Google Sheets，再由一个智能体用 Tavily 上网搜索，为它补上一个题目。

一个 n8n 工作流：你把自己的 YouTube 视频链接贴进 n8n 的聊天框，它就回复这个视频最新的评论。OpenAI 把每条新评论分成称赞、提问或批评，感谢称赞，并根据视频字幕回答提问。Supabase 记下每条评论和回复。

一个 n8n 工作流，为一个 YouTube 视频写报告。把链接贴进 n8n 的聊天框，它会读取视频的详细信息和全部顶层评论，再由 OpenAI 写一份八个部分的报告，讲观众是谁、下一期该拍什么。Gmail 把报告发给你。

一个 n8n 工作流：你在 n8n 的聊天框里输入一个题目，它在 YouTube 上搜索，留下过去一年里表现好的视频。OpenAI 确认标题是英文且切题之后，每个视频都会在 Google Sheets 里占一行，带着播放、点赞和各项比率。

一个 n8n 工作流：给它一个题目，它写出一份 YouTube 脚本。Tavily 上网搜索，OpenAI 总结搜到的网页，长视频还会先列大纲。最后由一个智能体写出短视频或长视频脚本，存成一个新的 Google 文档。

一个 n8n 工作流：上传一个视频文件，或贴一个 YouTube 链接，Gemini 就会把这段视频写成文字描述。文件要等 Google 处理完，写好的描述再发到你设的转换地址，可以由它转成 Google 文档。