开发者 AI 技能与智能体

SmolVLM

HuggingFaceTB · 工具包

一个来自 HuggingFaceTB 的 Gradio 演示，对应 SmolVLM2-2.2B-Instruct 模型，附带示例图片，可以在浏览器里在线运行，也可以用 Python 3.10 在你的电脑上运行。

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。

Chat With Janus-Pro-7B

deepseek-ai · 工具包

和 DeepSeek 的 Janus-Pro-7B 模型聊天，它既能理解图片也能生成图片，生成的图片会做 2 倍放大。适合想在浏览器里试用多模态模型的人。

EmbeddingGemma 2 in the Browser

Caspivs · 工具包

在浏览器里为文档排序、跨语言比较句子，并用文字搜索你自己的图片，你输入或上传的内容不会离开你的设备。适合探索嵌入的人。

Z Image Turbo

Tongyi-MAI · 工具包

Tongyi-MAI 为 Z-Image-Turbo 图像模型做的 Gradio 演示，带 MCP 标签，文件里有提示词检查和一个安全检查模型。适合想试用 AI 图像生成的设计师和开发者。

PhotoMaker

TencentARC · 工具包

TencentARC 的 Gradio 演示，基于它的 PhotoMaker 模型和 RealVisXL 图像模型，带有风格模板和示例输入。适合想在浏览器里试用 AI 照片生成的设计师和研究人员。

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。

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。

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。

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。

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。

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。

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。

Idol Turbo

akhaliq · 工具包

把一张图片变成 3D 物体，比 Idol 快约 12x，用的是只需 6 步而不是 50 步的蒸馏版本。适合想快速得到图片转 3D 结果的人。

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。

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。

一个 n8n 工作流，检查一张图片里是不是你的 Qdrant 集合认识的作物。Voyage AI 把图片转成向量，再用一句简短的文字说出最接近的作物，或者发出警报。

一个 n8n 工作流，把一张图片和一句简短的提示语发给 Google Gemini，再把它返回的框画在图片上。提示语说明要找什么，示例要找的是兔子。