来自 Hugging Face 的 AI 项目

LeapTalk

hugging-apps · 工具包

把一张人像照片和一段语音变成口型同步的说话人头像视频，是 LeapTalk 模型的演示，适合研究者、开发者和创作者。

JoyAI Video Edit

hugging-apps · 工具包

根据一句自然语言指令编辑视频，并在生成过程中按块把结果流式传回。是 JoyAI-Video-Edit 模型的演示，适合视频剪辑师和研究者。

4DAnyone Multi-View Video

hugging-apps · 工具包

把一段人像视频变成同一段表演的多机位同步视频。是 4DAnyone 模型的演示，适合制作 4D 重建输入的研究者。

VoxCPM2 Myanmar Voice Clone Test

hub10 · 工具包

在接入 Dubbing Studio 之前测试 VoxCPM2 模型的声音克隆。适合做配音和语音的开发者，克隆声音需要说话人的许可。

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。

FASTDIAR

herimor · 工具包

在音频文件或麦克风实时流播放的同时标注谁在说话，延迟约一秒。适合做说话人分离的语音开发者和研究者的演示。

MuseTalk 1.5

henrybit · 工具包

用参考图片或视频加一段驱动音频生成口型同步的视频，并提供嘴部区域的测试步骤。是给做说话人脸的人用的 Gradio 演示。

SparkReel

Henry96 · 工具包

星火短剧场的一个静态网页，它自称是免费的 AI 短剧视频生成工具。只有纯 HTML、CSS 和一张预览图。

Bowdet

Haotian-Yuan · 工具包

Haotian-Yuan 做的一个用 Docker 打包的 Python 网页应用，在 7860 端口提供服务，可以在浏览器里试用。它的页面没有说明检测什么，用途请看演示。

DA-2

haodongli · 工具包

在浏览器演示里运行 DA^2 深度模型，它是 Depth Anything in Any Direction 的官方演示。适合想不做任何配置就试用深度估计的研究者和开发者。

Face Redaction

hamzaasyf · 工具包

找出照片或视频里的每一张人脸并用像素化、模糊或纯色块遮住，其余画面保持不变。适合处理监控、活动或街头素材的隐私团队。

THX-02

HAL-X-AI · 工具包

用 THX-02 决策模型，对你描述的情境里的每个选项给出概率，还有可选的思考模式。这是一个 Gradio 演示，适合测试校准决策的研究者和开发者。

HAKARI-Bench Leaderboard

hakari-bench · 工具包

展示 HAKARI-Bench 的公开结果，这是一个轻量的多语言信息检索基准，带有表格、模型对比和筛选。适合挑选检索模型的研究者和工程师。

Whisper Chileno

hablaip · 工具包

把智利西班牙语语音转成文字，用 LoRA 适配器在 Whisper large-v3 上针对呼叫中心音频调优。适合语音团队和呼叫中心开发者的演示。

Levanti - Levantine Arabic Translation Tools

guymorlan · 工具包

在浏览器里做英语与黎凡特阿拉伯语互译，还能为阿拉伯语加元音符号并转写成拉丁字母。适合学习者、译者和研究这种方言的人。

Clinassist Train

Gs2004 · 工具包

存放用 GRPO 为作者的 Clinassist 项目调优 Qwen 模型所用的训练脚本和 Gradio 应用。适合想阅读或重跑这套训练的机器学习开发者。

FOXES - A Framework for Operational X-ray Emission Synthesis

griffingoodwin04 · 工具包

根据你以 NumPy 文件上传的 7 通道 SDO/AIA 太阳观测数据，预测 GOES 软 X 射线流量，并返回合成图像和流量贡献图。适合太阳物理研究者。

MSEB Leaderboard

google · 工具包

Google 发布的 Massive Sound Embedding Benchmark 的排行榜页面，用 Gradio 搭建。适合比较声音嵌入模型的研究者。

Embedding Draw Challenge

google · 工具包

google 做的一个围绕 EmbeddingGemma 2 模型的 Gradio 绘画挑战。卡片没有给出规则，所以只有打开页面才能看到怎么玩。

Llama logo

ggml-org · 工具包

以一个可以探索的页面展示 Llama 图标是怎样构建的，从加号和字母 L 到最终的标志。适合使用或研究这个标志的设计师和开发者。

Genshin Music Generator

Genius-Society · 工具包

打开一个静态页面，生成《原神》游戏风格的音乐。卡片只有一行，所以只有打开页面才能看到它怎样工作。

Mira-TTS

Gapeleon · 工具包

在 Gradio 页面里用 MiraTTS 模型把文字转成语音。这是一个非官方演示，适合想在浏览器里试用这个模型，或自己运行它的人。

Video Dubbing (SoniTranslate)

G-Rost · 工具包

在 Gradio 页面里用开源项目把视频配音成另一种语言。适合想翻译视频里语音的创作者。

phonon-wasm

fusorlabs · 工具包

用 Phonon 31M 模型在浏览器里的你自己的 CPU 上把文字转成语音，边计算边输出音频。适合想把文字变成语音，又不想用服务器的人。

ming-wasm

fusorlabs · 工具包

用 Ming-3.0-tts-0.5B 模型在浏览器里的你自己的 CPU 上把文字转成语音。适合想把文字变成语音，又不想把文字发到服务器的人。

Fun-CosyVoice3-0.5B

FunAudioLLM · 工具包

在 Gradio 演示里把文字转成九种语言和多种中文方言的语音，支持零样本声音克隆，适合测试语音合成的人。

DRS-VPT

fulkast · 工具包

在不需要起始位姿猜测的情况下，找出一张相机图像在 3-D 点云中的拍摄位置。适合研究 3-D 扫描中相机定位的研究者和学生。

MyanmarTTS

freococo · 工具包

用一个只有 31M 参数的小模型把缅甸语文字变成语音，是一个能在浏览器里运行的 Gradio 应用。适合使用缅甸语的创作者、老师和开发者。

Wet-Ink

Freedomform · 工具包

在浏览器里用动画演示扩散语言模型的一种解码方法，你可以调整窗口大小，看标记保持可编辑还是被冻结。适合研究和学习语言模型解码的人。

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。

Lotis Demo

fnnBsch · 工具包

运行 fnnBsch 的 Lotis 的 Gradio 演示，基于 DINOv2 和 DINOv3 模型以及一个训练好的检查点。适合想在浏览器里试用这个模型，或者想读它怎样搭起来的人。

Flowise

FlowiseAI · 工具包

运行 FlowiseAI 账号发布的 Flowise，作为 Docker 应用，可以在浏览器里打开，也可以自己构建。卡片没有功能清单，所以打开页面才能看到它提供什么。

MiMo RL Environment Explorer

FineEnvs · 工具包

浏览 XiaomiMiMo 的 7,780 个强化学习环境，然后让模型运行一个任务并显示评分。这是一个非官方的浏览器，适合测试或比较 AI 智能体的人。

FINAL-Bench Quantum Leaderboard

FINAL-Bench · 工具包

在共用的公开测试集上给量子纠错解码器排名，并把已发表的结果列在旁边。这是一个开放、中立的基准页，适合量子计算研究者和解码器开发者。

Obfuscated-Shell Safety Leaderboard

FINAL-Bench · 工具包

给语言模型排名，看它们能否识破被伪装的 shell 命令：拦下危险的，放行无害但经过编码的。适合构建智能体的人，是一个防御性的安全基准。

ZONOS3 Mini

fffiloni · 工具包

用 Zyphra 的 ZONOS3-Mini 模型，把最多 600 个字符的文字转成语音，支持多种语言和预设声音。这是一个在 Hugging Face 上运行的 Gradio 应用。

Sand3D Assets Explorer

fffiloni · 工具包

以 3D 方式浏览 Sand3D 物体，移动它们的关节，并显示每个物体背后的 Python 程序。适合想在浏览器里检查这类仿真风格 3D 资产的人。

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。

Ai Journalism Skills

fdaudens · 工具包

提供开源的新闻工作技能和提示词工作流，交给 AI 智能体使用，从事实核查开始。适合使用 Claude、ChatGPT 等助手的记者和新闻编辑部。

The Smol Training Playbook（简体中文）

fat-pig · 工具包

让中文读者用简体中文阅读 HuggingFaceTB 团队的语言模型训练指南，图表也已翻译。这是一份非官方译文，适合构建或学习大模型的人。

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。

MelodyFlow

facebook · 工具包

运行 facebook 团队的音频生成模型演示，基于 AudioCraft 库构建。适合想在浏览器里试用音乐和声音生成，或者想读代码的人。

CoWTracker

facebook · 工具包

跟踪上传视频里的每一个像素随时间的运动，并用彩色轨迹画出来。适合研究人员和想研究画面中物体如何运动的人。

Oromo VITS TTS

eyob7 · 工具包

用 VITS 声音朗读 Afaan Oromoo 文字，并先把数字写成奥罗莫语单词。适合奥罗莫语使用者、学习者，以及想要 Gradio 语音演示的开发者。

Oromo-TTS

eyob7 · 工具包

在 Gradio 页面里把奥罗莫语文字转成语音，使用 Space 自带的模型文件。适合奥罗莫语使用者、学习者，以及想听这门语言朗读的开发者。

OWSM v4

espnet · 工具包

用 Gradio 演示页在浏览器里对你给的音频运行 OWSM v4 开源语音模型，适合想试用或对比语音模型的人。

OWSM v4

espnet · 工具包

用 OWSM v4 模型转写语音、在语言之间翻译、识别说的是哪种语言并解码长录音，可选文字提示词。适合语音研究者和想测试多语言音频的人。

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。

College Attend Choice

emmaz-sv · 工具包

帮你在录取通知到手之后比较大学录取：标出录取你的学校，切换生活因素，查看排名、夺冠概率和职业与成本对比图。适合选择去哪所学校就读的学生。