浏览 AI 技能、智能体和自动化

Pixel Art XL

nerijs · 工具包

一个用于 Stable Diffusion XL 的像素画风格附加模型，把文字提示词变成像素风图片，并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。

GLM-Image

zai-org · 工具包

根据文字和参考图片生成与编辑图像，图片里的文字渲染很准确，采用自回归加扩散的设计。适合需要在图片里写准确文字的创作者和开发者。

controlnet-openpose-sdxl-1.0

xinsir · 工具包

用人体姿势骨架图来控制 Stable Diffusion XL 图像中人物的姿势。适合想让人物按自己的设想站立或动作的画师和开发者。

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型，根据文字提示生成插画，在 ComfyUI 中运行。这是一个低预算的研究模型，适合想试用或训练自己 LoRA 的人。

Stable Diffusion v1-5

stable-diffusion-v1-5 · 工具包

这个 860M 参数的潜在扩散模型根据文字提示词生成图像，可用于 diffusers、ComfyUI 等工具。适合想用经典开源 Stable Diffusion 检查点的研究人员和开发者。

stable-diffusion-inpainting

stable-diffusion-v1-5 · 工具包

用带额外遮罩输入的 Stable Diffusion 根据文字生成写实图像，并填充图片中被遮罩的区域，可用于 diffusers 或 AUTOMATIC1111。适合设计师、编辑和开发者。

Juggernaut XI v11

RunDiffusion · 工具包

RunDiffusion 推出的文生图模型，属于 Juggernaut SDXL 系列，擅长照片风格图像，手部、面部和提示词遵循都有改进。适合用 ComfyUI、Forge 等工具的图像创作者。

Primal VAE

ostris · 工具包

提供小型图像自编码器，把图片压成一两个潜变量通道，不需要缩放系数，再通过分块拼成 Flux 或 Stable Diffusion 的潜变量形状。适合搭建扩散模型的人。

RealVisXL V5.0 GGUF

off-grid-ai · 工具包

用 stable-diffusion.cpp 加上 RealVisXL V5.0 的 GGUF 副本，在你自己的电脑上根据文字生成图片。适合想在本地生成图片、并在更轻或更高质量的文件之间选择的人。

Juggernaut XL v9 GGUF

off-grid-ai · 工具包

用 stable-diffusion.cpp 加上 Juggernaut XL v9 的 GGUF 副本，在你自己的电脑上根据文字生成图片。适合想在本地生成图片、并在更轻或更高质量的文件之间选择的人。

LongCat-AudioDiT-3.5B

meituan-longcat · 工具包

用直接在波形潜空间里工作的扩散模型，把中文或英文文本变成语音，还能用你有权使用的参考样本克隆声音。

ControlNet v1.1 depth (SD 1.5)

lllyasviel · 工具包

用深度图引导 Stable Diffusion 1.5，让生成的图像保持原图的布局。这是 diffusers 格式的 ControlNet v1.1，适合想控制构图的艺术家和开发者。

Z-Image-Turbo-GGUF

leejet · 工具包

在配置不高的显卡上根据文字生成图片，使用为 stable-diffusion.cpp 做的 Z-Image-Turbo 量化文件。适合在自己电脑上运行图像模型的人。

DiT-Wikiart-Small

kaupane · 工具包

为小型扩散 transformer 预测噪声，它在 Wikiart 画作上从零训练，用来根据流派和风格生成艺术图片。适合研究小型图像模型的开发者和学生。

FlashVSR

JunhaoZhuang · 工具包

一个一步扩散的视频超分辨率模型，以流式方式放大低分辨率视频，在单块 A100 GPU 上处理 768 x 1408 视频约 17 帧每秒。这是第一版，即版本 1。

InstantID

InstantX · 工具包

只用一张人脸照片和一段文字提示词，就能生成同一个人的新图片，并保持面部可辨认。适合用 Python 运行 Stable Diffusion XL 流程的开发者和创作者。

Stable Diffusion v1.5 Archive

Comfy-Org · 工具包

为 ComfyUI 存档的 Stable Diffusion v1.5 检查点，把文字提示词变成图像，用于旧版本测试。包含原始文件和一个 FP16 副本。

Cola DLM

ByteDance-Seed · 工具包

一个研究用的文本生成模型，在连续潜空间中写作，把文本自编码器和扩散 Transformer 配在一起。适合想运行并测试已发布检查点的研究人员和开发者。

MOSS-Image-SFT GGUF

axiomofmind · 工具包

MOSS-Image-SFT 扩散 Transformer 的非官方 GGUF 文件，有 Q8_0 和 Q4_K_S 两种，用 stable-diffusion.cpp 在本地做文字生成图像。需要另外准备 Qwen3.5-9B 编码器、分词器和 VAE。

Tessera-small

thejagstudio · 工具包

用一个小型扩散模型，根据文字提示生成 16×16 像素画精灵图，大约 16 步就填满全部 256 个像素。适合非商业的游戏和美术实验。

K2-Horizon-7B-Uno

IFM · 工具包

给 IFM 的 K2-Horizon-7B 语言模型加上扩散通路的 LoRA 适配器，用于研究更快的文本生成。它只包含适配器，不含基础权重。

ACE-Step 1.5 XL Turbo

ACE-Step · 工具包

用 4B 参数的扩散模型只需 8 步就能生成音乐和其他音频，通过 Gradio 界面在本地运行。适合有 12 GB 以上显存 GPU 的创作者和开发者。

sd-vae-ft-mse-original

stabilityai · 工具包

这个模型用一个经过微调的解码器替换 Stable Diffusion 里的自动编码器，让重建的图像更平滑，尤其是人脸。适合运行原版 CompVis Stable Diffusion 代码、想让解码图像更好的人。

FlashVSR+

ruchangyao · 工具包

一步扩散模型，把低质量视频变成更高分辨率的清晰视频，有速度更快的 Turbo 版和画质更好的 Base 版。适合有高性能 GPU 的视频剪辑者和视觉研究者。

FLUX.2 Klein 4B for ComfyUI

Comfy-Org · 工具包

为 ComfyUI 重新打包的 FLUX.2 Klein 4B 模型文件，把文字提示词变成图像。包含扩散模型、文本编码器和 VAE，并附带现成的文生图工作流。

ACE-Step 1.5

Comfy-Org · 工具包

在 ComfyUI 里根据文本生成音乐的模型文件，由原版 ACE-Step 1.5 重新打包而成。包含检查点、扩散模型、文本编码器和 VAE 文件，以及一组现成的工作流。

MOSS-Image-SFT-GGUF

unsloth · 工具包

用压缩的 GGUF 文件在 CPU、Mac 或 GPU 上运行 MOSS-Image 文生图模型，可通过 Unsloth Studio 或 stable-diffusion.cpp 使用。适合在自己电脑上生成图片的人。

Animagine XL 4.0

cagliostrolab · 工具包

根据标签式文字提示词生成动漫风格图片，是在大型动漫数据集上重新训练的 Stable Diffusion XL 微调模型。适合使用 diffusers、ComfyUI 或 Stable Diffusion WebUI 的画师和开发者。

Juggernaut-XL-v9

RunDiffusion · 工具包

根据文字提示生成写实风格的图片，是 Stable Diffusion XL 的微调版本，模型卡说它能在 8 GB 显存上运行。适合想用现有 SDXL 工具得到照片风格效果的创作者。

ACE-Step 1.5

ACE-Step · 工具包

根据文字描述生成完整歌曲，由规划歌词和结构的语言模型，加上渲染音频的扩散 Transformer 组成。设计上可在消费级硬件上运行。

stable-diffusion-xl-base-1.0

stabilityai · 工具包

Stability AI 的 SDXL 基础模型，通过 diffusers 库根据文字提示词生成和编辑图片，可单独使用，也可搭配精修模型。

Diffusion-Qwen3.8-27B

summerAIO · 工具包

把 Qwen3.8-27B 转成掩码扩散语言模型，用并行解掩码的方式生成文字。这是一个实验性的研究检查点，适合有大显卡的研究人员和机器学习工程师。

MuseTalkDemo

TMElyralab · 工具包

TMElyralab 为 MuseTalk 模型做的 Docker 打包演示应用，附带 DWPose、一个 Stable Diffusion 自编码器和 ffmpeg 工具。适合想试用或研究 MuseTalk 搭建方式的开发者。

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。

Wet-Ink

Freedomform · 工具包

在浏览器里用动画演示扩散语言模型的一种解码方法，你可以调整窗口大小，看标记保持可编辑还是被冻结。适合研究和学习语言模型解码的人。

Diffusers Image Outpaint

fffiloni · 工具包

在基于 Stable Diffusion XL 模型的 Gradio 应用里，把图片向边缘之外延伸并填上新内容，适合需要更大画布的人。

LGM-Mini

dylanebert · 工具包

在 Hugging Face 的 GPU 上运行一个基于 LGM 模型和多个多视图扩散模型的小型 Gradio 演示。适合关注三维生成研究、想试用或阅读代码的人。

Texture-Craft

ArshPathan · 工具包

用扩散模型根据文字提示生成透明的 16x16 物品纹理，可通过 Gradio Space、本地 REST 服务或 MCP 工具使用。适合游戏制作者和智能体开发者。

SeedVR2 3B Image Upscaler

Upsampler · 工具包

用 SeedVR2-3B 模型一步扩散修复并放大单张图片，可在 Hugging Face 的浏览器页面使用，也可在本机运行。适合想把模糊或偏小的图片变清晰的人。

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。

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。

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。

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。

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。

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。

Tessera Pixel Studio

thejagstudio · 工具包

根据文字提示词绘制 16 乘 16 像素画，让你看着精灵一步步出现，然后还能编辑。基于一个小型扩散模型。仅限个人、研究和教育免费使用。

Fooocus 本地 AI 绘图工具

lllyasviel · 工具包

lllyasviel 做的开源图像生成软件，离线运行在你自己的电脑上。你写一句提示词，按下 Generate，基本不用调参数。它基于 Stable Diffusion XL，有 Windows、Linux、Mac、Colab 和 Docker 几条安装路线。项目现在只修 bug。