AI 效率技能与自动化

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。