AI 效率技能与自动化

upscaler

uwg · 工具包

收录来自 OpenModelDB 社区的一组图像放大模型，适合想在自己电脑上用 AI 放大低分辨率图片的人。

Moss-Image-Edit LoRA for ComfyUI

PedroMarinhoDev · 工具包

根据文字指令编辑一张图片，或合成最多四张，使用适配 ComfyUI 的 Moss-Image-Edit LoRA。适合使用 MOSS-Image 模型的 ComfyUI 用户。

GLM-Image

zai-org · 工具包

根据文字和参考图片生成与编辑图像，图片里的文字渲染很准确，采用自回归加扩散的设计。适合需要在图片里写准确文字的创作者和开发者。

controlnet-openpose-sdxl-1.0

xinsir · 工具包

用人体姿势骨架图来控制 Stable Diffusion XL 图像中人物的姿势。适合想让人物按自己的设想站立或动作的画师和开发者。

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型，适合要把阿拉伯语手写内容数字化的人。

Rukopys-OCR-4B

ebinan92 · 工具包

从图片中读取乌克兰语手写文档，找出每个文字区域、标注类型，并以结构化 JSON 返回转写内容。这是用于手写数字化的开放 4B 视觉语言模型。

Surya OCR 2.5

datalab-to · 工具包

用 689M 参数的模型读取文档图像中的文字，还能找出文本行、版面块和阅读顺序。适合把扫描件和照片变成文字和 HTML 表格的开发者。

Dolphin

ByteDance · 工具包

读取文档页面图像，按阅读顺序分两个阶段提取其中的文字、表格、公式和图表。一个紧凑的 398M 模型，适用于中文和英文文档。

BFS Best Face Swap

Bhavu02 · 工具包

可在图片里替换人脸、头部或整个人物的 LoRA 附加模型，适用于 Qwen Image Edit、Flux 2 Klein 和 Krea 2。适合有权使用相关人脸的图像编辑者。

Surya 2.5 GGUF

datalab-to · 工具包

从文档图像里读取文字、表格和版面，并以文字返回。这是 Surya 2.5 OCR 模型面向 llama.cpp 的 GGUF 版本，适合想在自己电脑上运行文档 OCR 的人。

MinerU2.5-Pro

opendatalab · 工具包

读取文档页面图像并返回文字，是一个 1.2B 参数、为中英文文档解析打造的模型。适合把扫描页变成可用文字的团队。

VQGAN + CLIP

multimodalart · 工具包

把一句文字变成图像，你能看着图像从噪点里逐步成形，并把整个过程存成视频。适合艺术家、学生，以及对经典文生图方法好奇的开发者。

Qwen-Image-2.1-LoRAs

WarmBloodAban · 工具包

两个用于 Qwen-Image 2.1 图像编辑的 LoRA 插件：一个让动漫角色保持一致，另一个把任意风格的画面变成写实的人物。适合用 AI 编辑图片的人。

BiRefNet

Comfy-Org · 工具包

Comfy-Org 重新打包的抠背景模型文件，可以在 ComfyUI 里加载。它生成一个遮罩，把主体和背景分开。适合在图像里抠出主体的 ComfyUI 用户。

MOSS Sharpness Slider

aoleg · 工具包

MOSS-Image 模型的滑块式 LoRA，只靠强度就能让图片更锐利或更柔和，不需要触发词。适合想修复 MOSS Base 模糊问题的图像创作者。

PaddleOCR-VL

PaddlePaddle · 工具包

读取文档图像并返回其中的文字，是参数不到十亿的视觉语言模型。适合在自己的机器上用 PaddleOCR 解析中英文文档的人。

QI_2.1_AnyAngle

lilylilith · 工具包

Qwen Image 2.1 的 LoRA，可以把一张现有图片转到你选定的新镜头角度，同时保持它的风格。它用高斯泼溅或 3D 模型生成的粗略渲染图来引导。

Chandra OCR 2

datalab-to · 工具包

读取图片和 PDF 中的文字，返回保留页面布局的 markdown、HTML 或 JSON。能处理手写、表单、表格和数学公式，支持 90 多种语言，适合做文档数字化的人。

Depth Anything 3

Comfy-Org · 工具包

Comfy-Org 为 ComfyUI 重新打包的深度估计模型文件，共四种大小。它们把图片或视频变成深度图。适合在图像和视频工作流里需要深度信息的 ComfyUI 用户。

PaddleOCR

PaddlePaddle · 工具包

在 Gradio 页面里用 PaddleOCR 读出图片里多种语言的文字，带有中文、英文和日文示例图片。适合需要从照片或扫描件里取出文字的人。

Super Resolution

keras-io · 工具包

在 Gradio 页面里用 Keras 超分辨率模型提高图片的分辨率，附带两张示例图片，适合摄影爱好者、学习者和开发者。

Zero DCE Low Light Image Enhancement

keras-io · 工具包

在 Gradio 页面里用 Keras 团队的 Zero-DCE 低光增强模型提亮昏暗的照片，附带示例图片，适合摄影爱好者和学习者。

Inpaint_Me

Huertas97 · 工具包

在 Streamlit 页面里用图像修复补全或修补图片的指定部分，附带示例图和修复结果，适合修图的人和机器学习学习者。

Qwen-Image-2.1-Next-Scene-LoRA

akhaliq · 工具包

Qwen-Image-2.1 的 LoRA，把输入画面和导演式指令变成下一个镜头，并保持场景一致。适合做分镜的人和图像创作者。

Qwen-Image-2.1-Multiple-Angles-LoRA

akhaliq · 工具包

Qwen-Image-2.1 的相机控制 LoRA，能从你选的角度重新拍摄一个主体，有 36 个姿态外加特写版本。适合用 ComfyUI 或 diffusers 的图像创作者。

MOSS-Image depth control LoRA

thedeoxen · 工具包

让灰度深度图来控制 ComfyUI 里用 MOSS-Image-SFT 生成的图像布局，主体和风格仍由你的提示词决定。适合想固定镜头深度的图像创作者。

MOSS-Image-Edit-HQ

akhaliq · 工具包

一个非官方的社区 LoRA，在 MOSS-Image-SFT 之上根据文字指令编辑图片，用于 ComfyUI。适合想试用开放的指令式图像编辑的图像创作者。

PaddleOCR-VL-1.6

PaddlePaddle · 工具包

读取图片并返回其中的文字，专为解析中英文文档而做。这是 PaddlePaddle 推出的 959M 参数模型，通过 PaddleOCR 库运行。

Fast Neural Style Transfer 快速风格迁移

frapochetti · 工具包

frapochetti 做的 Gradio 应用，从名字看是用快速神经网络把图片重绘成另一种风格。适合想在浏览器里试用图像风格迁移的人。

DALL·E mini 文字生成图片

flax-community · 工具包

flax-community 做的静态网页，从名字看是 dalle-mini 文字生成图片模型的前端。适合想在浏览器里试用开源图片生成器的人。

OPF Image Anonymizer

ysharma · 工具包

用 OCR 和 OpenAI 的 Privacy Filter 在截图和其他图片里的个人信息上盖上可编辑的黑条，适合经常分享聊天、邮件或文档截图的人。

AI Generated Image Detector

ymcmy · 工具包

判断一张图片是真实的还是 AI 生成的，用的是在约 5 万张真实图片和 5 万张生成图片的纹理块上训练的分类器。适合想对一张图片得到快速第二意见的人。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

一个回答发到 Telegram 机器人的照片的 n8n 工作流。照片交给 OpenAI 视觉模型，机器人回复一段描述。不是照片的消息会收到一条请你发图片的简短回复。

artcraft

storytold · 工具包

一个制作 AI 图像和视频的工作室，你可以在 2D 中构图、在 3D 中搭建场景并选择模型，在生成之前就掌控画面。适合艺术家、设计师和电影人。

Qwen 2511 + Flux.2 Klein

AST-1320 · 工具包

用 Qwen 编辑图片，再用 FLUX.2 Klein 优化结果，是一个 Gradio 应用，在 Hugging Face 上用浏览器就能打开。README 没有更多说明。