AI 智能体技能、规则与提示词工具包

LGM-Mini

dylanebert · 工具包

在 Hugging Face 的 GPU 上运行一个基于 LGM 模型和多个多视图扩散模型的小型 Gradio 演示。适合关注三维生成研究、想试用或阅读代码的人。

Safety Doesn't Translate

DhruvParmar051 · 工具包

并排展示 Cohere 的 Tiny Aya 在不重新训练的安全修复前后的回答，使用来自测试集、事先评判过的回复。适合 AI 安全研究者和多语言模型的开发者。

Depth Anything 3

depth-anything · 工具包

Depth Anything 3 的演示 Space，这个研究模型从名称看，能从任意视角拍的图像中恢复场景的空间结构。README 只有一条引用。

Sports2d

DavidPagnon · 工具包

在 Gradio 页面里，从视频文件或网络摄像头画面中算出人体的二维姿态和关节角度。适合教练、运动研究者和任何想研究身体如何运动的人。

USO FLUX

bytedance-research · 工具包

bytedance-research 做的 Gradio 应用，运行在 ZeroGPU 硬件上，围绕 USO 模型和记录里提到的三个 FLUX.1 模型构建。README 没有任何描述，所以请直接看页面了解它能做什么。

Text Surprisal Editor

build-small-hackathon · 工具包

按一个只有 4M 参数的小语言模型觉得每个词有多意外，给文本里的每个词上色。模型没有 Transformer 块。这是一个黑客松项目，适合写作者和研究者。

Open Chinese LLM Leaderboard

BAAI · 工具包

BAAI 运行的中文大语言模型排行榜，是一个带请求和结果数据集的 Gradio Space。适合在中文任务上比较模型的研究者和团队。

Tamazight Text-to-Speech

ayymen · 工具包

用文字转语音模型朗读塔马齐格特语文字，按不同的变体和文字系统分文件夹存放。适合研究和使用阿马齐格语言的学习者、研究者和开发者。

Speech analysis

audeering · 工具包

对一段语音录音运行 audEERING 的两个 wav2vec2 模型，一个判断情绪，一个估计年龄和性别，并自带四段示例音频。这是面向语音研究者的 Gradio 演示。非商用许可。

Di♪♪Rhythm

ASLP-lab · 工具包

用 ASLP 实验室的 DiffRhythm 模型生成歌曲，运行在带 GPU 硬件的 Gradio Space 里。适合想快速听到 AI 作曲效果的音乐人、研究者和好奇的用户。

Applio

AnhP · 工具包

用一个注重易用和速度的语音转换工具，把一个声音转成另一个声音。适合想用插件和设置来适配自己项目的艺术家、开发者和研究者。

Vevo for Zero-shot VC, TTS, and More

amphion · 工具包

无需针对某个说话人训练，就能根据参考音频模仿声音，用于语音转换和文字转语音。这是 Amphion 项目里 Vevo 模型的演示，适合研究者和音频开发者。

Visual Saliency Prediction

alexanderkroner · 工具包

预测图片里哪些区域最先吸引目光，使用 2020 年 Neural Networks 论文中的 MSI-Net 模型。适合想快速查看可能关注区域的研究者和设计师。

Fracture Check

akinchanJain7 · 工具包

初筛手部、手臂、腿部、髋部和肩部的 X 光片是否可能骨折，用热力图显示模型关注的区域，并标出最可能的骨折位置。这是学生研究项目，供学习使用，不能用于医疗决策。

DuplexJev Speech to Decisions

adventists-ai · 工具包

读取一段语音，一次计算就返回关于它的十个判断，如话轮状态、插话和情绪，不做转写。适合语音智能体开发者和语音研究者。

Sygma ASR Arabic

abedbanna · 工具包

录制或接收阿拉伯语语音，把 Sygma 的解码和基础模型的贪心输出做对比，并给出词错误率的测试台。适合语音研究者和开发者。

PhotoMaker

TencentARC · 工具包

TencentARC 的 Gradio 演示，基于它的 PhotoMaker 模型和 RealVisXL 图像模型，带有风格模板和示例输入。适合想在浏览器里试用 AI 照片生成的设计师和研究人员。

SAM3 + Qwen3.5

prithivMLmods · 工具包

一个多目标跟踪的浏览器演示，结合了 SAM 3 模型和一个 2B 的 Qwen3.5 模型。适合想不安装任何东西就试用跟踪的计算机视觉开发者和研究者。

Parler-TTS

parler-tts · 工具包

在浏览器里用 Parler-TTS 大号和迷你模型把文字变成语音。适合创作者、开发者和想在使用前先听听模型效果的研究者。

Egyptian Arabic TTS

omarelshehy · 工具包

在浏览器里用基于 Chatterbox 的 NAMAA 埃及阿拉伯语文字转语音模型朗读阿拉伯语文本。适合阿拉伯语内容制作者、开发者和想听听这个模型的研究者。