AI 效率技能与自动化

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。

MiniCPM-OCR 1.0 GGUF

openbmb · 工具包

把中英文文档（包括 PDF）解析成文本、表格和公式，提供给 llama.cpp 使用的 GGUF 文件。适合在自己机器上运行 MiniCPM-OCR 1.0 的人。

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。

AE3-TL

APEXE3HQ · 工具包

找出数字版 PDF 页面上的每个表格，并逐个单元格重建，保留合并单元格、表头、标题和脚注。适合从报告、申报文件和论文中提取表格的团队。

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。

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。

SheetSage2

m-a-p · 工具包

把音乐录音转成可编辑的乐谱，包含旋律、和弦、节拍、调性和结构，输出 ABC 和 MIDI 文件以及带时间的标注。这是基于 MERT-v2-FullSong 的 57.2M 模型。许可证为非商业。

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。

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。

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。

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。

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。

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。

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。

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 n8n 工作流，让 AI Agent 为 Outlook 邮件设置类别和重要性，规则来自 Airtable，联系人来自 Monday.com。

一个 n8n 工作流，用在每个字段的说明就是提示词的 Baserow 表上。给一行附上 PDF，OpenAI 聊天模型就填好每个还空着的、带说明的格子。改了字段，整列会重新填一遍。