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。