开发者 AI 技能与智能体

Qwen3.8-Flash-Next-GSQ-RCO-GGUF

ISTA-DASLab · 工具包

Qwen3.8-Flash-Next 的 GGUF 版本，有四种大小，每个张量用各自的精度量化，并带有支持图片输入的视觉投影文件，适合在本地运行大型混合专家模型的人。

MOSS-Image

Comfy-Org · 工具包

为 ComfyUI 重新打包的文生图和图像编辑模型文件，来自 OpenMOSS 的 MOSS-Image 系列，适合在节点工作流里生成或编辑图片的 ComfyUI 用户。

THX-02

HAL-X-AI · 工具包

针对一条消息、文档、图片或图表里的纯文字问题，在几十毫秒内给出每个选项的概率，适合做工单分流和记录分类的开发者。

Unlimited-OCR

baidu · 工具包

用 Baidu 的 3.3B 视觉语言模型把文档图片和多页 PDF 解析成文字，适合把 OCR 和文档解析加入自己工具的开发者。

Qwen3.8-27B-GSQ-RCO-GGUF

ISTA-DASLab · 工具包

ISTA-DASLab 制作的 Qwen3.8-27B GGUF 版本，共四种大小，每个张量用各自的精度量化，并带有处理图片的视觉投影文件。适合在 llama.cpp、Ollama 或 LM Studio 里本地运行模型的人。

embeddinggemma-2

google · 工具包

Google DeepMind 的开源嵌入模型，把文字、代码、图片、视频和音频放进同一个 768 维向量空间，可在笔记本和手机上运行。适合构建搜索和检索的开发者。

TorchCAM 类激活图

frgfm · 工具包

frgfm 做的 Docker 应用，为 PyTorch 模型生成类激活图，比如 CAM 和 Grad-CAM，显示图像模型看了哪里。适合想在浏览器里看它输出的开发者。

Holocron

frgfm · 工具包

frgfm 做的 Gradio 演示，对应 Holocron，一个用 PyTorch 写成的近期计算机视觉技术合集，用的是 rexnet1_0x 模型。适合想在浏览器里试用它的图像模型的人。

Lama Example

CVPR · 工具包

来自 CVPR 组织的 Gradio 应用，有较大的代码库和示例图片，指向填充图片中被遮罩的部分。README 没有描述。

Anime Image Labeller

curt-tigges · 工具包

一个 Gradio 应用，用仓库里训练好的模型文件给动漫图片打标签，附带标签列表和笔记本。适合想在浏览器里试用图片打标签的人。

Clasificador_de_mascotas

cabustillo13 · 工具包

一个 Gradio 应用，名字在西班牙语里是宠物分类器的意思，用已保存的模型处理宠物照片，带三张示例照片。适合想试用小型图像模型的人。

Projected GAN

autonomousvision · 工具包

一个 Gradio 应用，封装了 autonomousvision 团队的 GAN 图像生成器，可在浏览器里试用。README 没有描述，具体输入和输出要看页面。

Practica1

AP2122 · 工具包

一个用已保存的模型处理图片的 Gradio 应用，带建筑和森林两张示例图片。适合想在浏览器里试用小型图像模型的人。

Uniformer_image_demo

Andy1621 · 工具包

一个 Gradio 演示，用 Andy1621/uniformer 模型给图片分类，带四张示例图片。适合想在浏览器里试用图像分类的人。

Image Caption With Vit Gpt2

Amrrs · 工具包

一个为图片写简短说明的 Gradio 应用，把视觉 Transformer 和 GPT-2 类文本模型配在一起。适合想在浏览器里试用图片说明的人。

Image Text Detection

ajitrajasekharan · 工具包

一个 Streamlit 应用，用 microsoft 的 TrOCR 手写模型读取图片里的手写文字。适合想在浏览器里试用手写识别的人。

Pytorch Image Classifier

abidlabs · 工具包

一个基于 Gradio 3.0.17 的图像分类演示，带两张示例照片：猎豹和狮子。适合想在浏览器里试用图像分类的人。

Pytorch Image Classifier

abidlabs · 工具包

一个 Gradio 图像分类演示，带四张示例照片：香蕉、汽车、猎豹和狮子。适合想在浏览器里试用图像分类的人。

DINOv3 Web

webml-community · 工具包

在浏览器本地可视化 DINOv3 模型从图像中提取的密集特征。适合想查看这些特征的开发者和视觉研究人员。

Vela 3.0 · Studio

vllm-sr · 工具包

用一个在 CPU 上运行的 0.25B 小型编码器回答关于图像或文本的问题：指出物体、提取字段、找出 OCR 错误或在选项间做判断。适合想试用这个模型的开发者。

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。

omni-editor-img and vdo-api-iframe-ZeroGPUID

Saravutw · 工具包

在浏览器或你自己的电脑上运行一个 Gradio 应用，它的名称把它和图像编辑以及 iframe 里的视频 API 联系在一起。README 没有说明用途，所以它具体做什么并不明确。

Sora Revival

Robuxy0016 · 工具包

一个非官方演示，用 Open-Sora v1.2 由文字提示词或参考图片生成短视频。与 OpenAI 无关。可在 Hugging Face 上用，也可在自己电脑上运行。

Idol Imagine Fast

prithivMLmods · 工具包

在基于 idol、Z-Image-Turbo 和 BiRefNet 模型的 Gradio 应用里，用文字提示词生成图片。可在浏览器里用，也可在装有 Python 3.12 的自己电脑上运行。

MEDFE Inpainting Studio

KumaPower · 工具包

用 MEDFE 图像修复模型补全图像中被遮盖的空洞，并展示它的结构和纹理预测。可以把结果和带遮罩的输入对比，并下载为 PNG。

CSA Inpainting Studio

KumaPower · 工具包

补全图像中被遮盖的空洞，并把 Coherent Semantic Attention 方法的两个阶段并排展示，一个是粗略结果，一个是精修结果。适合研究图像修复的人。

Pose Skeleton Multi-Orang (DWPose/RTMW)

kulkas2pintu · 工具包

把照片转成 OpenPose 风格的姿态图，专门应对一帧里多人互相重叠的情况。这些图可以当作 ControlNet 姿态模型的控制图。在 CPU 上运行。

Natural Text to Danbooru Tags with Transformer V2

John6666 · 工具包

用语言模型和标注模型，把普通话语的描述转成 Danbooru 风格的标签。在浏览器里以 Gradio 应用运行，适合给图片写标签式提示词的人。

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。

一个 n8n 工作流，用同一段示例文字演示五种调用 OpenAI 聊天模型的小例子：写摘要、译成德语、写出图片提示词、要 SVG 代码，以及起草快速回复。