浏览 AI 技能、智能体和自动化

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

LLM训练终极指南 | The Ultra-Scale Playbook

Ki-Seki · 工具包

一个静态网页，讲解训练大语言模型的方方面面，标题有中英文两种。适合想在浏览器里阅读 LLM 训练内容的工程师和学生。

MLX Model Explorer

mlx-community · 工具包

帮 Mac 用户找到适合自己机器的 MLX 模型和量化版本，是一个静态页面，在任何浏览器里打开即可，不需要安装。

Face Swap Roop

BLACKHOOL · 工具包

用 roop 换脸工具来换脸，界面是 Gradio 页面，可以在浏览器里打开，也可以在自己的电脑上运行。适合想不做设置就试用 roop 的人。

FLUX.1 [dev]

black-forest-labs · 工具包

在 Gradio 页面里运行 Black Forest Labs 的 FLUX.1 [dev] 图像模型，运行在 Hugging Face 的 ZeroGPU 硬件上。适合想在浏览器里试用或复制代码的人。

TRELLIS

trellis-community · 工具包

用 microsoft/TRELLIS-image-large 模型，从一张图片生成 3D 内容。这是一个 Gradio 页面，可以在浏览器里打开，也可以在自己的电脑上运行。

MOSS-Image Workflow

OpenMOSS-Team · 工具包

在节点画布式 Gradio 页面上用 MOSS-Image 的 Base 和 SFT 模型根据文字生成图片，带采样控件和能恢复设置的示例栏。适合想在浏览器里试用 MOSS-Image 的人。

Z-Image Lookalike LoRA Index

nphSi · 工具包

一个静态网页，为 ZI Base、ZI Turbo 和 Ming 模型的 LoRA 附加文件做索引，在浏览器里打开即可。README 只有一行，所以索引怎么组织并不明确。

Edge TTS Text To Speech

innoai · 工具包

在一个小型 Gradio 页面里把文字转成语音，可以在浏览器里打开，也可以在自己的电脑上运行。适合想不用安装就快速文字转语音的人。

Kolors Virtual Try-On

Kwai-Kolors · 工具包

在图片里看看一件衣服穿在人身上的效果，是 Kwai-Kolors 的 Gradio 页面，在浏览器里就能打开。适合买家、卖家和设计师。

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。

Browser

malcolmrey · 工具包

在静态页面上浏览一个模型目录，带图库、缩略图、标签和一个对比脚本。适合想在浏览器里翻看这个合集的人。

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。

KLM 1.5-Chat Preview

Eclipse-Senpai · 工具包

在浏览器里和一个只有 99M 参数的小型语言模型聊天，可选推理模式、计算器和实时网页搜索。适合想试用微型聊天模型的人。

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。

OmniVoice

k2-fsa · 工具包

在 Gradio 页面上克隆一种声音，并用它说出超过 600 种语言的文字，页面在浏览器里运行。适合想试用声音克隆文字转语音的人。

RUKOPYS Leaderboard

UkrainianCatholicUniversity · 工具包

给乌克兰语手写文字的 OCR 系统排名，基于 RUKOPYS 测试集的整页文档打分。研究人员和模型开发者可以直接在浏览器里比较各次运行的结果。

Kokoro TTS

hexgrad · 工具包

在浏览器里运行的 Gradio 页面，用小巧的 Kokoro-82M 模型把文字读出来。适合想不安装任何东西就试用这个文字转语音模型的人。

Image Upscaler

Phips · 工具包

在 Gradio 页面上用 Phips 的一组模型处理图片，模型名称指向 JPEG、H264 和降噪清理。适合想在浏览器里得到更干净、更清晰图片的人。

UGI Leaderboard

DontPlanToEnd · 工具包

展示一个 AI 模型排行榜，按标题所说的 Uncensored General Intelligence 打分，页面可在浏览器或 Docker 里运行。适合需要比较模型的人。

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。