AI 效率技能与自动化

Vakya 2.0 文字转语音

YashMachineLearning · 工具包

把 11 种印度语言的文字转成语音，并能用一小段参考音频克隆声音。适合有权使用所克隆声音的研究者和学习者。

PuLID-FLUX

yanze · 工具包

一个与 FLUX.1 图像模型配合的 Gradio 应用，运行在 ZeroGPU 硬件上，记录里还列出了几个配套模型。适合探索 FLUX 图像生成的人，不过 README 没有给出使用说明。

Pocket TTS (CPU)

Xlnk · 工具包

PocketTTS 的 Gradio 页面，PocketTTS 是 Kyutai Labs 的轻量文本转语音模型，能在 CPU 上运行，带多个内置声音。适合想不用 GPU 把文字变成语音的人。

NAMAA Saudi TTS V2

xiiqj · 工具包

用一段简短的阿拉伯语片段和它的文字稿克隆声音，再用这个声音朗读你输入的任何阿拉伯语文本，带纳季方言风格。仅限非商用。只使用你有权使用的声音。

YuE2-3B Music Generator

x1205x62108 · 工具包

用 YuE2-3B 模型根据风格提示词和歌词生成歌曲和翻唱，可在 Hugging Face 的浏览器页面使用，也可在本机运行。适合想快速得到歌曲草稿的音乐人和创作者。

Kokoro Text-to-Speech (WebGPU)

webml-community · 工具包

用 WebGPU 在浏览器里运行 Kokoro 文本转语音模型，把输入的文字读出来。适合想听听这个模型，或想学习浏览器语音演示的人。

DuET Piano to Score

Wayne42 · 工具包

把钢琴录音转写成可读的乐谱，来源可以是上传的文件，也可以是 bilibili 或 抖音 的链接。钢琴家和老师能得到可播放的乐谱，并下载 MusicXML 和 PDF。

Seedream 5.0 Pro Edit

wavespeed · 工具包

一个小型网页应用，通过 WaveSpeed API 用 Seedream 5.0 Pro 模型编辑已有图片。你自带 WaveSpeed 密钥，费用记在你自己的账户上。

Agrishield Ai

Vratika7 · 工具包

把植物病害模型和一个治疗建议文件打包成 Docker 网页应用，从文件看它会查看植物图片并给出处理建议。适合种植者、学生和开发者。

F5-TTS Voice Cloning Demo

vip56466 · 工具包

用 F5-TTS 模型做零样本声音克隆的小型 Gradio 演示，模型能从一小段样本复制声音。适合想用自己有权使用的声音试试语音克隆的人。

Ararat Music Studio

Vadim777511 · 工具包

根据文字描述生成音乐，把音频参考的风格带进新曲，或在保留旋律的前提下重新编曲。适合音乐人和创作者，带有亚美尼亚和东方风格预设。

ComfyUI Reactor Fast Face Swap HYPERSWAP (CPU)

V0pr0S · 工具包

在 Gradio 应用里，用 ComfyUI 和 Reactor 人脸模型在处理器硬件上给图片换脸。适合想试用换脸、并且只使用自己有权使用的人脸的人。

Qwen3-TTS Demo

unclezhao · 工具包

在 Gradio 页面里运行 Qwen3-TTS 文字转语音演示。仓库里没有 README 文字，所以页面提供什么没有说明。

Sketch2lineart

tori29umai · 工具包

用基于 SDXL 的模型和自定义线稿 LoRA，把草图变成干净的线稿，是一个 Gradio 演示。适合插画师、漫画创作者和动漫画师。

Denoising U-Net

teamup-tech · 工具包

用两阶段 U-Net 去除老唱片录音里的噪声，并返回清理后的 WAV 文件。它在 CPU 上运行，适合档案管理员、音频修复者和音乐史研究者。

Bark

suno · 工具包

Suno 的 Bark 模型的演示，可根据文字生成音频，在浏览器里运行。许可是非商业的。适合想听听这个模型的创作者、研究者和开发者。

Hi3DGen

Stable-X · 工具包

用 Stable-X 的 trellis-normal 模型，从一张图片生成细节丰富的 3D 几何体。这是一个面向 3D 美术师、游戏开发者和研究者的 Gradio 应用，在 Hugging Face 上通过浏览器运行。

Image Upscaler

sorabing · 工具包

在 ZeroGPU 上的 Gradio 页面里，用 Real-ESRGAN 模型把图片放大并锐化 2 倍或 4 倍。适合需要把小图变成更大更清晰版本的人。

Ltx Video Extender

Sobhanm · 工具包

在 Gradio 应用里让视频变得更长，使用 Lightricks 的 LTX 2.5 Diffusers 模型。适合想让片段超出原有长度的创作者和开发者。

SNK Master IA

Snak80 · 工具包

一个在浏览器里为音频做均衡和母带处理的页面，可以借助 AI，也可以手动，并附官方 PDF 指南。适合想要简单母带步骤的音乐人和播客制作者。

Extender

Skolavennu · 工具包

一个小型 Gradio 应用，能把视频延长你指定的秒数。适合想把片段拉长，又不想打开剪辑软件的创作者和开发者。

IOPaint-LaMA

Sanster · 工具包

一个把 IOPaint 与 LaMA 模型配在一起的浏览器演示，从名称看指向图片修复，也就是去掉或补全图片的一部分。适合试图片清理的设计师和开发者。

Paradee 1.3

sahilmahendrakar · 工具包

用一个很小的多语言文字转语音模型朗读文本，有八种声音，覆盖英语、印地语、法语和西班牙语，在普通 CPU 上就能运行。适合想要轻量语音输出的人。

Ultimate Vocal Remover WebUI

Rifd · 工具包

Ultimate Vocal Remover 项目的 Gradio 网页版，用来把人声和音乐从一段音轨里分开。可在浏览器里用，也可在你自己的电脑上运行。

Kiku ACE-Step 1.5

Reubencf · 工具包

用 ACE-Step 1.5 模型做音乐：由文字和歌词生成歌曲、纯音乐、混音、重绘，以及围绕你自己的人声编写乐队伴奏。它是 Kiku AI 工作室背后的引擎。

Clone Your Voice

remiai3 · 工具包

上传一段简短的声音样本，输入任意文字，就能用 Coqui XTTS-v2 得到克隆声音的语音。在 CPU 上运行，可在 Hugging Face 的浏览器里用，也可在自己电脑上运行。

Qwen3 TTS Voice Design

Qwen · 工具包

Qwen 团队的浏览器演示，如它的名称所示，用于 Qwen3 文字转语音和声音设计。适合想不安装任何东西就试着设计声音的创作者和开发者。

Qwen Image Layered

Qwen · 工具包

Qwen 团队制作的 Qwen-Image-Layered 模型的浏览器演示。模型名称暗示它以图层的方式处理图片。适合想不安装任何东西就试用的设计师和开发者。

MiniCPM5 WebGPU

ProCreations · 工具包

在浏览器标签页里用你自己的 GPU 运行 MiniCPM5 2B 模型，可以聊天，也能生成网站、Word 文档、Excel 工作簿和 PDF。适合想要免安装本地助手的人。

GLM OCR 演示

prithivMLmods · 工具包

在浏览器里用 GLM-OCR 模型读取文档图片中的文字和结构。适合想试用复杂文档 OCR 又不想配置环境的人。

Flux 3 Image Klein LoRAs Fast

prithivMLmods · 工具包

在 Gradio 页面里试用 FLUX.3 Image Klein 模型的一组 LoRA，运行在 Hugging Face 的 ZeroGPU 硬件上。适合探索图像适配器的创作者和开发者。

Playground V2.5

playgroundai · 工具包

playgroundai 做的文字生成图片演示，运行它的 Playground v2.5 模型，从模型名看是 1024 像素、偏重美感的图片。适合想在浏览器里试用的人。

PixAI Tagger v1.0

pixai-labs · 工具包

在浏览器里给动漫图片加上描述性标签，分成六个类别，阈值可调。适合画师、数据集整理者和整理动漫图片的人。

Ai Voice Assistant

pirates2029 · 工具包

一个用 Gradio 搭的文字聊天助手，回复边写边流式显示，通过 Hugging Face Inference API 调用模型。适合想学怎么做聊天机器人的人当作小例子。

Ultimate RVC

Ospsl · 工具包

一个在 Hugging Face Space 上运行的 Gradio 应用，名为 The Ultimate RVC Project。可以在浏览器里打开，或用 Python 3.12.7 运行一份副本。适合想看看它的音频爱好者和开发者。

CapSpeech TTS

OpenSound · 工具包

一个面向风格化语音的文字转语音演示，你可以自己调整声音、口音和情绪。适合想听听 OpenSound 团队做的可控语音的人。

MOSS TTS Nano

OpenMOSS-Team · 工具包

一个声音克隆演示，用上传的参考音频或内置预设的声音朗读你的文字。由 OpenMOSS-Team 制作，运行在 Hugging Face ZeroGPU 上。

YOLOv10 Document Layout Analysis

omoured · 工具包

一个 Gradio 应用，用 YOLOv10 模型分析文档的版面，适合想在浏览器或自己电脑上看版面检测效果的人。

Image To Relief

oedevs · 工具包

通过估算深度，把你上传的图片变成 3D 浮雕 STL 文件，导出前可以用曲线编辑器调整深度图。适合想从照片得到高度模型的创作者。

NXTL Shield

nxtl-esim · 工具包

把免费的开源安全工具放在一个网页里：检查链接和消息是否诈骗、查看连接信息、设置 Safe DNS、加密文件和消息，以及一次性私密链接。适合普通用户。

TTS Tounsi

Nouira-Oussema · 工具包

用微调过的 XTTS v2 模型把突尼斯阿拉伯语方言的文字变成语音，可以用内置的男声或女声，也可以用你上传的声音。适合需要突尼斯方言语音的人。

Audio Separator Pro

nomadkaraoke · 工具包

用 50 多个模型把歌曲或录音拆成人声、乐器和鼓等分轨，支持批量运行和并排的模型对比。适合音乐人、DJ、卡拉 OK 制作者和音频剪辑师。

KaniTTS

nineninesix · 工具包

在 Gradio 应用里提供 nineninesix 的 Kani 文字转语音模型，有多种模型规模以及英文和中文版本。适合想试用小型语音模型的开发者和创作者。

Marigold V2 klein Normal to Height

NightRaven109 · 工具包

用 FLUX.2 klein 4B 上的 Marigold V2，一步就把切线空间法线贴图变成高度图。这是一个面向纹理和 3D 材质工作的 Gradio 应用。

RealESRGAN Pytorch

Nick088 · 工具包

通过一个好用的 Gradio 应用，用 Real-ESRGAN 放大图像和视频。适合想把低分辨率素材变得更大更清晰的摄影师、视频剪辑师和创作者。

AUDIO

NguyenVanMau2311 · 工具包

在 Docker 容器的 7860 端口上运行一个名为 AUDIO 的小型 Node.js 风格项目。来源没有说它的音频功能是什么，所以适合想阅读或运行这些文件的开发者。

Remove Silence From Audio

NeuralFalcon · 工具包

在一个跑在基础 CPU 硬件上的小型 Gradio 应用里，去掉录音中的静音段。适合播客制作人、剪辑师和整理语音录音的人。

Movie Recommendation System

NehaChouhan10 · 工具包

一个标题为电影推荐系统的小型静态网页，只有一个 HTML 文件和一个样式表。适合想找一个小小的前端项目来打开和阅读的学习者。

HiDream Unlimited

namelessai · 工具包

通过 Gradio 网页用 HiDream 生成图像。README 说你想生成多少都可以，但没有列出任何设置。

OpenVoiceV2

myshell-ai · 工具包

在 Gradio 应用里演示 MyShell 的语音模型 OpenVoice v2，带示例音频和缓存输出。适合想在线试用这个模型或阅读演示搭建方式的人。

VoxPocket 高棉语语音合成

muyleanging · 工具包

在浏览器里把高棉语文字转成语音，支持用短音频克隆声音、选择风格，也能按描述设计声音。适合做高棉语音频的创作者和研究者。

ZONOS3 Mini

mrfakename · 工具包

用 ZONOS3-Mini 模型把文字转成十种语言的语音，有 27 种预设声音、短片段声音克隆、语速和响度控制，以及情绪调节。

Confucius4-R2T2 WebGPU

mrfakename · 工具包

通过 WebGPU 在你的浏览器里把中文和英文语音转成文字，可以处理音频文件或实时麦克风。适合不想把音频发到服务器的人。

Text Reverser Tool

Mohamed-almansop · 工具包

一个小型静态网页，正如名字所说，能把你给它的文字反转。它在浏览器里运行，不需要安装任何东西，适合需要快速翻转文字的人。

OmniVoice MLX

mlx-community · 工具包

通过社区的 MLX 后端用 OmniVoice 文字转语音模型朗读文本，适合想试用它或在 Apple 芯片 Mac 上运行它的人。

Leokani-tts 7M

milliwattlabs · 工具包

用一个只有 7M 参数的小型语音合成模型朗读你输入的任何一句话，它在浏览器里用你自己的 CPU 运行，适合想要本地语音输出的人。

ChatGPT Prompt Generator

merve · 工具包

用在公开提示词集合上训练的模型，根据一个简短的起始短语生成类似 ChatGPT 的提示词。适合想找灵感、想知道该问聊天助手什么的人。

Hermes Agent

Mega-Evolutions · 工具包

在 Docker 的 Space 里运行 Hermes Agent 网关，通过两个机器人连接 Telegram，在 python-telegram-bot 传输之外再加上 Telethon 插件。

Sana Manga Coloring

masterofaudio2077 · 工具包

用两个 Sana 600M 模型给黑白漫画页上色，一个在原画上添加颜色，一个重绘整页，适合处理自己页面的画师和爱好者。

Music to MIDI

mason369 · 工具包

把音频文件转换成可编辑的 MIDI 或分离的 WAV 音轨，提供七种模式，包括多乐器和钢琴转写，适合音乐人和制作人。

Image Face Upscale Restoration

malekradwan130 · 工具包

放大图片并修复其中的人脸，适合想要更清晰的人像图片的人，标题里列出了 GFPGAN、RestoreFormerPlusPlus 和 CodeFormer。

TranskunGUI

Lollikit · 工具包

给 Transkun 钢琴转录模型配上一个简单的 Gradio 界面，让你在浏览器里把钢琴录音变成乐谱音符。适合音乐人、学生和开发者。

LightOnOCR-3 Demo

lightonai · 工具包

读取页面图片，把文字以 Markdown 形式返回，并带有版面定位。这是 LightOnOCR-3 模型的演示，在浏览器里于 ZeroGPU 上运行。

TIPO DEMO

KBlueLeaf · 工具包

展示 TIPO 模型与图像模型、标签模型一起工作的演示，是一个能在浏览器里运行的 Gradio 应用。适合想试用它或想读读各部分如何接在一起的人。

Voice Clone Tts

Kansasfan · 工具包

一个静态网页，名字指向声音克隆和文字转语音，包含一个 HTML 页面、一个脚本和一个样式表。README 没有描述。只使用你有权使用的声音。

Duyu-small

KaanAydinli · 工具包

在浏览器里把土耳其语和英语的语音转成文字，来源可以是录音或上传的文件。一个小模型在你自己的设备上运行，所以你的音频不会离开设备。

Transcripción automatica en aragonés

Juanpabl · 工具包

把阿拉贡语语音转成文字，可以上传音频文件，或用麦克风录一段最长 60 秒的录音。这是一个针对阿拉贡语微调的 Omnilingual LLM-3B 模型的演示。

Image Face Upscale Restoration

jhon19792025 · 工具包

修复并放大照片里的人脸，在一个 Gradio 页面里提供多个修复模型。适合修复老旧或模糊人像的人。只使用你有权使用的照片。

Spotify Song Reccomender

ibrhmyi · 工具包

一个会推荐歌曲的小型 Streamlit 应用，附带一张曲风图片。页面没有给出数据和方法的细节，所以适合想读一个简单推荐器演示的人。

Granite Vision Document Intelligence

ibm-granite · 工具包

在 Gradio 演示里用 IBM Granite Vision 和 Docling，从 PDF 和图片中提取摘要、CSV 数据、代码、表格和图片描述。

SenseNova-U1.5 MoT TailSteer

hugging-apps · 工具包

分多轮编辑图片，把每次的结果再作为下一轮的输入，同时限制漂移。适合想试用分步图片编辑或研究这个模型的人。

MOSS-Image-heal

hugging-apps · 工具包

在 Gradio 演示里用 MOSS-Image-Base 模型的微调版本，根据文字提示词生成图片，输出偏向动漫风格。

Ming-3.0-tts-0.5B

hugging-apps · 工具包

在 Ming-3.0-tts-0.5B 模型的 Gradio 演示里，把文字转成多种语言的语音，支持声音克隆和声音设计。

MetaView Novel View Synthesis

hugging-apps · 工具包

用一张上传的图片，从新的相机角度渲染场景，带偏航和俯仰控制。这是 MetaView 方法的交互演示，适合研究者、3D 美术师和开发者。

HiDream O1 Image

HiDream-ai · 工具包

提供 HiDream 的 O1 Image 模型的 Gradio 演示，可以在浏览器里打开，也可以在自己的电脑上运行。适合想试用这个模型或阅读应用代码的人。

Genshin Music Generator

Genius-Society · 工具包

打开一个静态页面，生成《原神》游戏风格的音乐。卡片只有一行，所以只有打开页面才能看到它怎样工作。

Mira-TTS

Gapeleon · 工具包

在 Gradio 页面里用 MiraTTS 模型把文字转成语音。这是一个非官方演示，适合想在浏览器里试用这个模型，或自己运行它的人。

phonon-wasm

fusorlabs · 工具包

用 Phonon 31M 模型在浏览器里的你自己的 CPU 上把文字转成语音，边计算边输出音频。适合想把文字变成语音，又不想用服务器的人。

ming-wasm

fusorlabs · 工具包

用 Ming-3.0-tts-0.5B 模型在浏览器里的你自己的 CPU 上把文字转成语音。适合想把文字变成语音，又不想把文字发到服务器的人。

Fun-CosyVoice3-0.5B

FunAudioLLM · 工具包

在 Gradio 演示里把文字转成九种语言和多种中文方言的语音，支持零样本声音克隆，适合测试语音合成的人。

MyanmarTTS

freococo · 工具包

用一个只有 31M 参数的小模型把缅甸语文字变成语音，是一个能在浏览器里运行的 Gradio 应用。适合使用缅甸语的创作者、老师和开发者。

Prompt Squirrel

FoodDesert · 工具包

在 Gradio 页面里整理并归类以标签列表写成的图像提示词，并附有可以试用的示例提示词。适合为图像模型写标签式提示词的人。

ZONOS3 Mini

fffiloni · 工具包

用 Zyphra 的 ZONOS3-Mini 模型，把最多 600 个字符的文字转成语音，支持多种语言和预设声音。这是一个在 Hugging Face 上运行的 Gradio 应用。

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。

MOSS-Image Layout Editor

ferry309 · 工具包

在浏览器里画出文字框、物体框和角色框的布局，并从中导出 MOSS-Image 提示词。适合手动搭建 MOSS-Image 草稿的人。

Joy Caption Pre Alpha

fancyfeast · 工具包

一个早期演示，把 SigLIP 视觉模型和 Llama 3.1 8B 搭在一起，看起来是用来给图片写说明文字的。这是 Hugging Face 上的 Gradio 应用，名字里就标明了 pre-alpha。

Oromo VITS TTS

eyob7 · 工具包

用 VITS 声音朗读 Afaan Oromoo 文字，并先把数字写成奥罗莫语单词。适合奥罗莫语使用者、学习者，以及想要 Gradio 语音演示的开发者。

Oromo-TTS

eyob7 · 工具包

在 Gradio 页面里把奥罗莫语文字转成语音，使用 Space 自带的模型文件。适合奥罗莫语使用者、学习者，以及想听这门语言朗读的开发者。

AI Jukebox

enzostvs · 工具包

一个用 AI 生成音乐的网页应用，由 Docker 镜像在 3000 端口提供服务。可以在 Hugging Face 的浏览器里用，也可以在自己的电脑上构建一份。

Voice Clone Tool

ejzhu2026 · 工具包

用 10 到 30 秒的音频样本克隆一个声音，并用这个声音朗读新的文字，支持 16 种语言。适合需要一个经过同意的声音来做旁白或测试的人。

Kaloscope Artist Style Classifier

DraconicDragon · 工具包

在 Gradio 页面里，用 Kaloscope 模型把图片归类到 Danbooru 画师标签。适合给作品打标签或分类的人，也适合想看这些模型怎么运行的开发者。

DBv4-Tagger ConvNext-v2-Huge

DraconicDragon · 工具包

在 Gradio 页面里用 animetimm 的 convnextv2_huge 模型给动漫图片打标签。适合整理或研究动漫画作的人。

Upscale

Delanoir · 工具包

在浏览器里用基于 Real-ESRGAN 模型的 Gradio 应用放大图片。适合想不装软件就得到小图更大版本的人。

Free Img EnhanceUpscaler PRO

Deddy · 工具包

通过增强和放大来提升图片质量，是一个能在浏览器里运行的 Gradio 应用。适合想不装编辑软件就得到更清晰照片的人。

XortronDesktop

darkc0de · 工具包

在浏览器里打开一个免费聊天机器人页面，作者称它速度快且没有内容过滤，无需安装。适合想试用不带预设过滤的聊天机器人的人。

Pocket TTS (CPU)

D3vShoaib · 工具包

在网页里把输入的文字转成语音，使用 Kyutai 的小型文字转语音模型，普通 CPU 就能运行，并可选择内置声音。适合不想用 GPU 的人。

Voxtral Studio

codexxx · 工具包

通过你自己的 Mistral API 密钥，用 Mistral AI 的 Voxtral 模型把语音转成文字、把文字转成语音，并把一段声音样本变成可重复使用的克隆声音。适合需要转写或配音的人。

FLUX.2 Klein multi-LoRA

CirujanoRetro · 工具包

在浏览器页面里运行 FLUX.2 Klein 图像模型，并同时套用多个 LoRA 适配器。适合想混合 LoRA 风格、又不想在本地搭环境的图像创作者。

DALL·E mini

BlitzEsports · 工具包

提供一个用文字描述生成图片的小型网页，基于 dalle-mini 模型。适合想在浏览器里试用文生图的人。

Image Face Upscale Restoration

avans06 · 工具包

用 GFPGAN、RestoreFormer++、CodeFormer 等人脸修复模型，外加 GPEN 和 ESRGAN，修复并放大图片里的人脸。适合想修复老旧或低质量人像的人。