AI 效率技能与自动化

Krea Sandbox

AST-1320 · 工具包

一个用来试用 AST-1320/Krea-2-Turbo-Diffusers 模型的小型 Gradio 沙盒，从名称看它是 Diffusers 打包的。README 没有描述，请阅读 app.py 了解它做什么。

Di♪♪Rhythm

ASLP-lab · 工具包

用 ASLP 实验室的 DiffRhythm 模型生成歌曲，运行在带 GPU 硬件的 Gradio Space 里。适合想快速听到 AI 作曲效果的音乐人、研究者和好奇的用户。

ByteDance Solo Piano Audio To MIDI Transcription

asigalov61 · 工具包

用 ByteDance 的钢琴转录代码，把一段钢琴独奏录音转成 MIDI 文件。这是一个面向钢琴手、编曲者和开发者的 Gradio 应用，在 Hugging Face 上通过浏览器运行。

Video Face Swapper

asaelk · 工具包

通过 Gradio 网页应用给视频换脸，这是根据名称和文件做的判断。README 没有描述。只使用你有权使用的人脸。

Applio

AnhP · 工具包

用一个注重易用和速度的语音转换工具，把一个声音转成另一个声音。适合想用插件和设置来适配自己项目的艺术家、开发者和研究者。

Smooth Gen

alrobles · 工具包

用 RIFE 和 Adetailer 两个模型，让定格动画和生成图片之间的间隔变得平滑。适合想让帧与帧之间动作更稳的动画师和图像生成用户。

Kızagan TTS v1.0

AlicanKiraz0 · 工具包

朗读土耳其语文本，可用内置参考声音，也能克隆你上传或录制的声音。提供表单界面、Gradio API 和 MCP 服务器。

Ai King

Aiking2030 · 工具包

在浏览器中打开的单页静态网站。它的 README 只有一行阿拉伯语，称其为先进的人工智能，没有列出功能，请把它当作一个小演示。

Intelligent Content Organizer MCP Agent

Agents-MCP-Hackathon · 工具包

为 PDF、文本、Word 和图片文件建立索引，再按语义搜索、总结、打标签、分类并回答问题。这是带 Gradio 页面的 MCP 服务器，适合文档很多的人。

ACE-Step v1.5

ACE-Step · 工具包

用 ACE-Step 1.5 音乐模型，根据简单描述和歌词生成完整歌曲，也能编辑或翻唱已有音频。适合想要本地、快速的 AI 音乐工具的音乐人和创作者。

Music Gen Ai

aach456 · 工具包

一个用 musicgen-small 模型做音乐的小型 Gradio 应用，在浏览器里运行，不用安装。适合想听听或读读简单音乐演示的爱好者和初学者。

FaceFusion

1337V · 工具包

一个带有 FaceFusion 项目代码的 Gradio 应用，在浏览器里打开就能用，不用安装。适合想试用这个应用，或阅读它的代码和测试的开发者和爱好者。

BiRefNet Demo

ZhengPeng7 · 工具包

在浏览器里试用 BiRefNet 图像模型：它们能把图片里的主体和背景分开。来源列出了六个变体，你也可以在自己的电脑上跑一份。

FaceFusion Face Swap HYPERSWAP (CPU)

V0pr0S · 工具包

把 FaceFusion 人脸处理应用作为 Gradio Space 跑在 CPU 上，可在浏览器或本地副本里在图片之间换脸。适合有权使用这些人脸的爱好者和编辑。

SeedVR2 3B Image Upscaler

Upsampler · 工具包

用 SeedVR2-3B 模型一步扩散修复并放大单张图片，可在 Hugging Face 的浏览器页面使用，也可在本机运行。适合想把模糊或偏小的图片变清晰的人。

Z Image

Tongyi-MAI · 工具包

围绕 Tongyi-MAI 的 Z-Image 模型搭建的 Gradio 应用，在浏览器里就能试用，不用安装任何东西。适合想测试这个模型或阅读应用代码的人。

Hy-Nomas Tencent Studio

tencent · 工具包

在围绕 Hy-Nomas 模型的腾讯风格工作室里，用 Say 和 Move 指令、相机操控以及 MP4 导出，一回合一回合地操控一个生成的世界。适合探索交互式世界生成的人。

UnlimitedMusicGen

Surn · 工具包

根据文字描述或一段引导旋律生成任意长度的音乐，方法是把生成的片段接起来。它扩展了 Meta 的 Audiocraft，适合音乐人、视频创作者和开发者。

Supertonic 3 (TTS)

Supertone · 工具包

Supertonic 3 文字转语音的网页演示，Supertone 称它快速、在设备上运行、支持多语言且准确。在浏览器里运行。适合想听听它的创作者和开发者。

SoulX FlashHead

Soul-AILab · 工具包

以流式方式演示 SoulX FlashHead 1.3B 模型，从名字和辅助模型看，它像是由语音驱动的头像视频。适合想试用它或阅读它代码的人。

SADIK AI

SadikNawazAI · 工具包

一个多语言聊天助手，通过 WebAssembly 完全在你的浏览器里运行，所以你的消息留在你的设备上。也可以通过 Ollama 和本地 API 使用。

Qwen Edit Any Pose

rl74 · 工具包

在浏览器里用 Qwen 图像编辑 2511 加 AnyPose LoRA 改变图片中人物的姿势。适合设计师、插画师和想试姿势编辑的开发者。

Chatterbox Turbo Demo

ResembleAI · 工具包

Resemble AI 的 Chatterbox 语音模型的浏览器演示，包括 Turbo 版本。适合想在使用前先听听模型效果的创作者和开发者。

Flux.2 Klein Edit Ultra Fast

prithivMLmods · 工具包

用 FLUX.2 klein 4B 模型编辑图片，并搭配小型解码器来加快出图。这是一个在 Hugging Face 上运行的 Gradio 应用，适合设计师和开发者。

HolosTTS: Ukrainian text to speech

patriotyk · 工具包

在浏览器里用 HolosTTS 模型朗读乌克兰语文本，该模型用包含多位说话人的乌克兰语数据集训练。适合处理乌克兰语音频的创作者、老师和开发者。

Parler-TTS

parler-tts · 工具包

在浏览器里用 Parler-TTS 大号和迷你模型把文字变成语音。适合创作者、开发者和想在使用前先听听模型效果的研究者。

Egyptian Arabic TTS

omarelshehy · 工具包

在浏览器里用基于 Chatterbox 的 NAMAA 埃及阿拉伯语文字转语音模型朗读阿拉伯语文本。适合阿拉伯语内容制作者、开发者和想听听这个模型的研究者。

Chakkhu Khmer OCR

muyleanging · 工具包

从一行文字或整页印刷品的图片里读出高棉语和英语文字，返回文字、置信度和行框。这是一个在 CPU 上运行、带免费 API 的演示，适合数字化高棉语文档的人。

Parakeet Redux WebGPU

mrfakename · 工具包

在浏览器里用 WebGPU 把语音转成文字，提供两个大小不同的 Parakeet 模型。适合想在本地做语音识别的人，也适合研究浏览器端识别的开发者。

Fast Whisper Turbo

mrfakename · 工具包

在 Gradio 应用里运行 OpenAI 的 whisper-large-v3-turbo 语音识别模型，用于快速转写。适合需要把音频转成文字的人，以及想读一个简短 Whisper 封装的开发者。

Qwen Image 2.1 Studio

MariucaFuckingGood · 工具包

把 Qwen Image 2.1 的九个图像工具放在一个页面里，涵盖生成、编辑、物体移除、重新打光和扩图。适合想在一处完成 AI 图像编辑的设计师和照片编辑者。

Xiaomi OCR 0 Demo

loongwayX · 工具包

在基于 Docker 的文档工作台里，用 Xiaomi-OCR-0 模型解析图片和 PDF，提取字段，并回答关于文档的问题，需要 GPU。

GPT SoVITS V2 Pro Plus

lj1995 · 工具包

在零样本文字转语音的 Gradio 演示里，用一段 3 到 10 秒的参考录音引导声音，说出你输入的任何文字。

H3 Camera Angle Control

linoyts · 工具包

在 Gradio 应用里用 Meridian 视频模型，按你拖动 3D 相机设定的新机位，重新拍摄一段视频或一张照片。

Votepurchase Multiple Model (SD1.5/SDXL Text-to-Image)

John6666 · 工具包

在一个浏览器页面上，用多个 Stable Diffusion 1.5 和 SDXL 模型按文字提示词生成图片。适合想试用多个图像模型、又不想逐个搭建的人。

Girlslike Lora Gallery

ifmylove2011 · 工具包

把 girlslike 系列 LoRA 收集在一个 Gradio 画廊里，让你浏览缩略图并下载文件。它在基础 CPU 硬件上运行。

MuLaCover

hugging-apps · 工具包

在 Gradio 演示里根据参考曲目、你自己的歌词和一行风格描述生成 AI 翻唱歌曲。模型权重和生成结果只能用于非商业用途。

Tile Upscaler

gokaygokay · 工具包

在 Gradio 应用里用 Real-ESRGAN 和受 ControlNet 引导的扩散模型放大图片，适合需要更大版本图片的人。

voice-call-wasm

fusorlabs · 工具包

在浏览器里用三个小模型在你自己的 CPU 上进行语音对话，模型下载完成后，不会把任何音频发到别处。

Wd14 Tagging Online

deepghs · 工具包

在一个小型 Gradio 页面里，用两个 WD14 标注模型给图片打标签，无需安装。适合给图片打标签、或需要给图片集生成文字标签的人。

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。

AI Face Restoration

MegaPotatoAI · 工具包

把合影、肖像和人群照片放大两倍、四倍或八倍，并让你对比任意一张脸的前后效果。这是一个静态演示，适合处理老照片或小尺寸照片的人。

Wan 2.2 Animate Character Replace

neksjgg · 工具包

用 Wan 2.2 Animate 模型，把视频里的角色换成参考图里的角色，在 ZeroGPU 上运行。适合不想在本地搭环境、想换角色的视频创作者和动画师。

See-through: Layer Decomposition

24yearsold · 工具包

把一张动漫角色插画拆成互相独立、被补全的图层，带有深度顺序，并给你一个分层的 PSD 文件。适合插画师、动画师和研究者。

Tessera Pixel Studio

thejagstudio · 工具包

根据文字提示词绘制 16 乘 16 像素画，让你看着精灵一步步出现，然后还能编辑。基于一个小型扩散模型。仅限个人、研究和教育免费使用。

MOSS-Image Workflow

OpenMOSS-Team · 工具包

在节点画布式 Gradio 页面上用 MOSS-Image 的 Base 和 SFT 模型根据文字生成图片，带采样控件和能恢复设置的示例栏。适合想在浏览器里试用 MOSS-Image 的人。

Qwen Image 2.1 Studio

Maximofn · 工具包

把 Qwen Image 2.1 的九个图像工具放进一个 Gradio 应用，从生成和编辑到重新打光和换装。适合想试用或自己托管这些工具的人。

Drama 3

fishaudio · 工具包

用 Fish Audio 的 Drama 3 模型，把你写的一句话用你选择或设计的声音说出来，并用提示指导每一次演绎。适合探索富有表现力的语音和声音克隆的创作者。

AI Image Upscaler

MegaPotatoAI · 工具包

用 AI 放大器把照片放大 2 倍、4 倍或 8 倍，并在像素层面把结果和原图并排对比。已登录 Hugging Face 的用户可以免费试用，同一开发者还提供 REST API。

WAN2.2 I2V LIGHTNING-Video-4-8step

Saravutw · 工具包

在 Gradio 页面上用 Wan2.2 图生视频模型把静态图片变成短视频，设置成 4 到 8 步的快速运行。适合想在浏览器里让图片动起来的创作者。

Omni Video Factory

FrameAI4687 · 工具包

在浏览器里运行的 Gradio 页面，可以根据文字描述或静态图片生成视频，也能延长做好的视频。适合想测试 AI 视频、又不想安装任何东西的创作者。

KLM 1.5-Chat Preview

Eclipse-Senpai · 工具包

在浏览器里和一个只有 99M 参数的小型语言模型聊天，可选推理模式、计算器和实时网页搜索。适合想试用微型聊天模型的人。

Omni Video Factory

vamo455 · 工具包

在浏览器里运行的 Gradio 页面，可以用文字生成视频、用图片生成视频，也能延长现有视频。适合想快速测试 AI 视频、又不想安装任何东西的创作者。

OmniVoice

k2-fsa · 工具包

在 Gradio 页面上克隆一种声音，并用它说出超过 600 种语言的文字，页面在浏览器里运行。适合想试用声音克隆文字转语音的人。

Photo Enhancer

MegaPotatoAI · 工具包

用 MegaPotato 模型在静态页面上恢复嘈杂、发软或压缩很重的照片的细节，保持原尺寸或放大 2 倍。已登录 Hugging Face 的用户可免费试用。

4K Upscaler

MegaPotatoAI · 工具包

用 AI 放大器把图片放大到 4K、8K 或 16K，先显示确切的输出尺寸，并让你把普通缩放和 AI 结果对比。已登录 Hugging Face 的用户可免费试用。

Kokoro TTS

hexgrad · 工具包

在浏览器里运行的 Gradio 页面，用小巧的 Kokoro-82M 模型把文字读出来。适合想不安装任何东西就试用这个文字转语音模型的人。

Image Upscaler

Phips · 工具包

在 Gradio 页面上用 Phips 的一组模型处理图片，模型名称指向 JPEG、H264 和降噪清理。适合想在浏览器里得到更干净、更清晰图片的人。

FLUX.2 Klein Multi LoRA V2

M3st3rJ4k3l · 工具包

在一个实验性的 Gradio 页面上，用 FLUX.2 Klein 9B 和 LoRA 附加模块编辑图片。适合想在浏览器里试用图片编辑、并了解这个应用如何组织的人。

Qwen3-TTS Demo

Qwen · 工具包

在 Gradio 页面上用 Qwen3-TTS 模型把输入的文字变成语音，可在浏览器里用，也能在自己的电脑上运行。适合想听听模型声音或看看这个演示怎么搭的人。

Omni Image Editor

selfit-camera · 工具包

在浏览器里运行的 Gradio 页面，可以编辑图片、用文字生成图片、放大照片和去除水印。适合想快速处理图片又不想安装软件的人。

一个 n8n 工作流，让 Supabase 表和 Notion 数据库保持一致。被编辑的页面会重新读取、切片并再次嵌入，聊天窗口根据已存的片段回答问题。

一个 n8n 工作流，把邮件变成 Notion 任务。加号地址在 Airtable 里选出一条路由，AI 写出任务标题、描述和摘要，页面落在这条路由的 Notion 数据库里。

一个 n8n 工作流，带一个聊天页面，根据一个存着问答的 Notion 数据库来回答问题。AI 智能体按关键词或标签搜索数据库，读匹配的页面，并附上页面链接回复。

一个带网页表单的 n8n 工作流。上传一份 PDF，贴上以字段名为键的 JSON 值，JustFill 的托管 API 就会填好表单，并返回指向成品 PDF 的链接。字段匹配不用 AI 模型。

一个 n8n 工作流，带一个网页表单，接收一张照片，返回最前面那辆车的车牌号。由 OpenRouter 上的一个视觉模型来读车牌。

一个 n8n 工作流，把同一份 PDF 和同一条提示词直接发给 Claude 和 Google Gemini。你可以比较两个模型各自提取出什么，中间不需要单独的 OCR 步骤。

一个能让你和 PDF 聊天的 n8n 工作流。运行一次，它把 Google Drive 里的 PDF 载入 Pinecone，之后 OpenAI 模型会根据 PDF 中匹配的几段，在 n8n 的聊天里回答你的问题。

一个 n8n 工作流，监视一个 Google Drive 文件夹，让 OpenAI 给每份新的 Google 文档写摘要，并往 Google 表格里加一行，记着摘要和最后编辑者。

一个根据公司文档回答问题的 n8n 工作流。它盯着一个 Google Drive 文件夹，用 Gemini 把新文件存进 Pinecone，n8n 聊天窗口里的智能体再根据最接近的片段作答。

一个 n8n 工作流，让人们向 Telegram 机器人询问 Google 表格里的日程。AI 模型根据当前的行来回答。n8n 里的聊天框可以测试同一个流程。

一个 n8n 工作流，带一个聊天框和一个 AI 智能体，回答关于一张 Google 表格里客户表的问题。它通过三个小工具，只读取需要的列和行。

一个带聊天智能体的 n8n 工作流，它会读两份 Google 文档，一份是记忆，一份是笔记。它在聊天窗口和 Telegram 里作答，你聊天时它还会存下新的记忆和笔记。

一个 n8n 工作流，给 Telegram 机器人处理文字、语音和图片。它把文字和语音转写标成待办或其他消息，并用 OpenAI 描述图片。

一个 n8n 工作流，用 DeepSeek 智能体回答 Telegram 消息。每收到一条消息，它先读 Google 文档里的长期记忆，需要时存下新的，再在同一个聊天里回复。

一个 n8n 工作流，你在 Telegram 里点一首歌，它就播放。OpenAI 模型挑出歌名和歌手，Spotify 找到这首歌并放在下一首播放，机器人回复正在播放的内容。

一个运行小型 Telegram 聊天机器人的 n8n 工作流，它有三种行为。它用用户的语言聊天，欢迎新用户，消息以画图命令开头时就画一幅图。

一个在 Telegram 里用 OpenAI 的 gpt-5.6-terra 上的 AI 智能体聊天的 n8n 工作流。有人要画画时，智能体会调用同一个工作流的第二条路径，由它画出图片并发到聊天里。

一个用 OpenAI 的 gpt-5.6-terra 上的 AI 智能体回答 Telegram 消息的 n8n 工作流。文字直接交给智能体，语音则先转成文字。

一个有两个入口的 n8n 工作流：一个接收 PDF 或 CSV 的网页表单，和一个回答相关问题的 Telegram 机器人。文件被切成块，用 Hugging Face 做嵌入，保存在 n8n 自己的内存里。

一个给小型 Telegram 食谱机器人用的 n8n 工作流。给它写消息的人会被存为订阅者，并立刻收到第一份纯素食谱。之后每个订阅者每天都会收到一份带图片的新随机食谱。