AI 效率技能与自动化

DALL·E mini

dalle-mini · 工具包

一个 dalle-mini 模型的静态网页前端，从名字看是用文字驱动的图像生成器。README 没有描述，所以具体控件没有文档说明。

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。

Unlimited OCR Works 2 Studio

baidu · 工具包

用 Unlimited-OCR-2 模型把上传的页面图片或最多 20 页的 PDF 解析成排好版的 Markdown，带实时流式显示和渲染视图。适合做文档数字化和测试 OCR 的人。

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。

Parakeet Ultra Transcriptor

Zangurak1 · 工具包

把上传的音频或视频转成完整文字，提供 TXT 下载，词级时间可用时还提供 SRT 字幕文件。界面是西班牙语，适合学生和需要转写录音的人。

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。

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。

Qwen-Image-2.1-LoRAs-PnP

prithivMLmods · 工具包

把 Qwen Image 2.1 模型的即插即用 LoRA 收集在一个 Gradio 页面里，涵盖扩图、一致性和任意角度等风格。适合用 LoRA 编辑图片的人。

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。

RVC-v2 + Beatrice-v2 Voice Conversion + training

Luminia · 工具包

用 RVC v2 或 Beatrice v2 模型把一段录音转换成另一种声音，还能用你自己的音频训练新模型，页面在 CPU 上也能运行。适合音频爱好者和开发者。

VoiceTut Egyptian-Arabic TTS (diacritized)

hugging-apps · 工具包

朗读埃及阿拉伯语文本，利用变音符号让发音更清晰，提供 19 种内置声音，也可以根据一段短音频克隆声音。适合用埃及阿拉伯语工作的创作者、学习者和开发者。

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。

Confucius4-TTS Voice Clone

CharlesW · 工具包

根据一段简短的参考音频克隆声音，并用这个声音朗读你的文字，带自动语言检测和可选的参考音频转写。适合测试文字转语音和声音克隆的人。

Unlimited OCR

baidu · 工具包

用百度的 Unlimited-OCR 模型从图片和文档里读出文字，是一个 Gradio 页面，运行在 Hugging Face 的 ZeroGPU 硬件上。适合需要从图片中取出文字的人。

Image To Flux Prompt

aifeifei798 · 工具包

一个小型 Gradio 应用，从名字来看，它把图像变成 Flux 图像模型的提示词。适合想要起始提示词的图像创作者，以及想读一个短应用的开发者。

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。