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。