来自 Hugging Face 的 AI 项目

KVPress Leaderboard

nvidia · 工具包

展示一个排行榜，用 Llama-3.1-8B-Instruct 和 Qwen3-8B 对比语言模型的 KV 缓存压缩方法。适合比较缩减模型所需内存方式的研究者和工程师。

TTS Tounsi

Nouira-Oussema · 工具包

用微调过的 XTTS v2 模型把突尼斯阿拉伯语方言的文字变成语音，可以用内置的男声或女声，也可以用你上传的声音。适合需要突尼斯方言语音的人。

NCCL Cluster Visualizer

nouamanetazi · 工具包

根据 NCCL XML 转储文件画出你的 GPU 集群图，显示带 NVLink 的 PCIe 和 NUMA 树，或者 NCCL 选择的 NVLink 环。适合运行多 GPU 训练的工程师。

Audio Separator Pro

nomadkaraoke · 工具包

用 50 多个模型把歌曲或录音拆成人声、乐器和鼓等分轨，支持批量运行和并排的模型对比。适合音乐人、DJ、卡拉 OK 制作者和音频剪辑师。

KaniTTS

nineninesix · 工具包

在 Gradio 应用里提供 nineninesix 的 Kani 文字转语音模型，有多种模型规模以及英文和中文版本。适合想试用小型语音模型的开发者和创作者。

Marigold V2 klein Normal to Height

NightRaven109 · 工具包

用 FLUX.2 klein 4B 上的 Marigold V2，一步就把切线空间法线贴图变成高度图。这是一个面向纹理和 3D 材质工作的 Gradio 应用。

MiniCPM-OCR vs Unlimited-OCR-2

nielsr · 工具包

用两个 OCR 模型读取同一页文档，并把结果并排显示，检测到的区域与每个文字块相互关联。适合在文档 OCR 模型之间做选择的人。

Mage-VL-Cowork Computer Use

nielsr · 工具包

你给 Mage-VL-Cowork 模型一个任务，看它在一台用完即弃的 Linux 桌面上点击、输入、滚动并使用终端。适合研究电脑操作智能体的开发者。

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。

Remove Silence From Audio

NeuralFalcon · 工具包

在一个跑在基础 CPU 硬件上的小型 Gradio 应用里，去掉录音中的静音段。适合播客制作人、剪辑师和整理语音录音的人。

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。

Hurricane Wind Speed Regressor

nakulmital · 工具包

在 Gradio 应用里用微调过的 ResNet50 模型预测飓风风速。适合想看图像回归模型怎样工作的学生、研究者和开发者。

First Order Motion Model 中文展示版

n97141506 · 工具包

在 First Order Motion Model 的中文 Gradio 演示里，用来源图片和驱动视频生成动画视频，并给出左右对照。适合探索动作迁移的学习者和开发者。

OpenVoiceV2

myshell-ai · 工具包

在 Gradio 应用里演示 MyShell 的语音模型 OpenVoice v2，带示例音频和缓存输出。适合想在线试用这个模型或阅读演示搭建方式的人。

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。

MIDJOURNEY

mukaist · 工具包

在 Gradio 应用里用 RealVisXL Turbo 模型生成高分辨率、看起来写实的图像，尽管名字叫 Midjourney。适合想免设置出图的设计师、营销人员和爱好者。

Open Universal Arabic Asr Leaderboard

msalhab96 · 工具包

在一个 Gradio 页面里，比较开源语音识别模型在阿拉伯语多种方言上的表现。适合挑选阿拉伯语语音转文字模型的研究人员和开发者。

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。

Next-Concept Modeling

mrfakename · 工具包

演示 Hazy Research 的 Next-Concept Modeling，它能并行地把文本从粗略轮廓写到完整序列，涵盖摘要、翻译和数独等任务。适合研究者和好奇的开发者。

Hum to Song

Mothersuperior · 工具包

把 10 到 30 秒的哼唱旋律、一行风格描述和歌词变成一首保留你旋律的成品歌曲。适合想听听自己的哼唱被发展成歌的词曲爱好者。