开发者 AI 技能与智能体

PhotoMaker V2

TencentARC · 工具包

TencentARC 为 PhotoMaker V2 模型做的 Gradio 演示，基于 RealVisXL V4.0 图像模型和一个草图适配器。适合想在浏览器里试用 AI 照片生成的设计师和研究人员。

InstantMesh

TencentARC · 工具包

把单张图像变成 3D 模型，页面称这大约需要十秒。它来自 TencentARC，适合 3D 美术师、游戏开发者和研究人员。

Tamil Whisper ASR

skpranav22 · 工具包

在 Gradio 演示里把泰米尔语语音转成文字，使用经 LoRA 适配到泰米尔语的 Whisper small。适合做泰米尔语语音识别的开发者、研究者和学习者。

Grounding DINO Demo

merve · 工具包

根据文字描述在图片里找物体，不需要固定的标签清单。这是 Grounding DINO 开放集检测器的 Gradio 演示，适合开发者和视觉研究人员。

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。

FASTDIAR

herimor · 工具包

在音频文件或麦克风实时流播放的同时标注谁在说话，延迟约一秒。适合做说话人分离的语音开发者和研究者的演示。

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。

USO FLUX

bytedance-research · 工具包

bytedance-research 做的 Gradio 应用，运行在 ZeroGPU 硬件上，围绕 USO 模型和记录里提到的三个 FLUX.1 模型构建。README 没有任何描述，所以请直接看页面了解它能做什么。

DuplexJev Speech to Decisions

adventists-ai · 工具包

读取一段语音，一次计算就返回关于它的十个判断，如话轮状态、插话和情绪，不做转写。适合语音智能体开发者和语音研究者。

Sygma ASR Arabic

abedbanna · 工具包

录制或接收阿拉伯语语音，把 Sygma 的解码和基础模型的贪心输出做对比，并给出词错误率的测试台。适合语音研究者和开发者。

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。

SAM3 + Qwen3.5

prithivMLmods · 工具包

一个多目标跟踪的浏览器演示，结合了 SAM 3 模型和一个 2B 的 Qwen3.5 模型。适合想不安装任何东西就试用跟踪的计算机视觉开发者和研究者。

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。

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。

Healthcare MCP Server

Agents-MCP-Hackathon · 工具包

让助手查询 FDA 药物信息、PubMed 论文和 Health.gov 主题的 Gradio MCP 服务器。适合需要医疗参考查询的开发者和研究者。

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。

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。

Ripple-65B Preview

ricursiveAI · 工具包

用 650 亿参数的稠密语言模型驱动终端编程智能体，上下文最长 1,048,576 个 token。适合想要 Apache 2.0 开放权重的开发者和研究者。

Idol

speridlabs · 工具包

把一张物体图片变成 3D 高斯点云，连图中看不到的侧面也一并生成。适合想从渲染图、生成图或照片得到 3D 文件的美术、研究者和开发者。