浏览 AI 技能、智能体和自动化

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。