AI 智能体技能、规则与提示词工具包

ModelScope Text To Video

shamedrank10 · 工具包

在 Gradio 演示里，用 ModelScope 文生视频扩散模型把英文文字提示词变成 256x256 的短视频。适合想试试文生视频的研究者和好奇的创作者。

MOSS TTS Nano

OpenMOSS-Team · 工具包

一个声音克隆演示，用上传的参考音频或内置预设的声音朗读你的文字。由 OpenMOSS-Team 制作，运行在 Hugging Face ZeroGPU 上。

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。

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。

VideoLLaMA2

lixin4ever · 工具包

一个基于 VideoLLaMA2 模型、用来理解视频等媒体内容的聊天应用。在浏览器里以 Gradio 应用在 ZeroGPU 上运行，适合想就视频片段提问的人。

MONET Retrieval

jasperai · 工具包

一个来自 jasperai 的 Gradio 应用，用 DINOv2、CLIP 或 SSCD 嵌入，从上传的图像或标题关键词里找出 MONET 数据集中最接近的结果。

OmniVoice Azerbaijani TTS

hugging-apps · 工具包

朗读阿塞拜疆语文本，可以用自动声音、从一小段参考音频克隆的声音，或用文字描述的声音。适合使用阿塞拜疆语的开发者和创作者。

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。

Audioldm Text To Audio Generation

dimaiklov · 工具包

在 Gradio 页面里，用 AudioLDM 模型把一段文字描述变成音频片段。适合想试用文字生成音频、又不想自己配置模型的创作者和开发者。

AI Talking Avatar Generator From Photo

cosmichackerx · 工具包

用 SadTalker 在 ZeroGPU 上，把一张静态照片和一段音频或语音文件变成口型对得上的说话头像视频。适合制作主持人视频、演示和在线课程片段的创作者。

Artwork Personalization Demo

avantiwhenever · 工具包

演示如何用 CLIP 图像嵌入而不是观看记录，来挑选每个片名展示哪张海报。这是一个静态的浏览器演示，灵感来自 Netflix 公开的工程文章，与 Netflix 无关联。

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。

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。

Kızagan TTS v1.0

AlicanKiraz0 · 工具包

朗读土耳其语文本，可用内置参考声音，也能克隆你上传或录制的声音。提供表单界面、Gradio API 和 MCP 服务器。

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。

H3 Camera Angle Control

linoyts · 工具包

在 Gradio 应用里用 Meridian 视频模型，按你拖动 3D 相机设定的新机位，重新拍摄一段视频或一张照片。

Omni Video Factory

elbobo · 工具包

你可以在浏览器里的 Gradio 应用中，用一段文字或一张静态图片生成视频片段，也可以延长已有的视频。

InsightFace-Face Swapper-on Video

zerovic · 工具包

把视频片段里的一张脸换成另一张脸，用 InsightFace 换脸模型加一个简单的 Streamlit 页面。可以在 Hugging Face 的浏览器里用，也可以在你自己的电脑上跑。

Russian Text To Speech

TeraTTS · 工具包

用 TeraTTSv2 模型和十个内置参考声音朗读俄语文本，返回一段 44.1 kHz 单声道音频。这是一个在 Hugging Face 上运行的 Gradio 演示。

VoiceTut Egyptian-Arabic TTS (diacritized)

hugging-apps · 工具包

朗读埃及阿拉伯语文本，利用变音符号让发音更清晰，提供 19 种内置声音，也可以根据一段短音频克隆声音。适合用埃及阿拉伯语工作的创作者、学习者和开发者。

Confucius4-TTS Voice Clone

CharlesW · 工具包

根据一段简短的参考音频克隆声音，并用这个声音朗读你的文字，带自动语言检测和可选的参考音频转写。适合测试文字转语音和声音克隆的人。

Omni Video Factory

FrameAI4687 · 工具包

在浏览器里运行的 Gradio 页面，可以根据文字描述或静态图片生成视频，也能延长做好的视频。适合想测试 AI 视频、又不想安装任何东西的创作者。

Omni Video Factory

vamo455 · 工具包

在浏览器里运行的 Gradio 页面，可以用文字生成视频、用图片生成视频，也能延长现有视频。适合想快速测试 AI 视频、又不想安装任何东西的创作者。

AIEV

notivn · 技能

由 Claude 担任导演，自动剪辑视频：转写片段、规划剪辑、加上字幕、缩放和音效，并导出 MP4。适合想要本地控制台的创作者。

一个把六张图片做成一段渐变视频的 n8n 工作流。RunningHub 为每一对相邻的图片做一个两秒的片段，fal.ai 再按你发送的顺序把五个片段拼起来。

一个 n8n 工作流，把一段视频按 37 种艺术风格之一重新绘制，从黏土动画到水彩都有。表单接收视频和风格，Cloudinary 托管视频，WaveSpeedAI 的 Wan 2.1 Ditto 模型按 480p 生成。

一个 n8n 工作流：一张商品照、一张真人照，加一句拍摄要求，变成一条随手用手机拍的那种视频广告。WaveSpeedAI 把两张照片合成一张，Kie.ai 先渲染一张静帧再用 Veo 生成片段，fal.ai 把片段接起来。

一个 n8n 工作流：把一张照片变成一段手绘动画风格的短视频。OpenAI 重绘画面，提示词撰写器给你的想法加上动作，Kie.ai 上的 Veo 3 Fast 以新画面为起点渲染视频。

一个 n8n 工作流：把 Google 表格里列出的 logo 做成动画，每次运行处理一行。OpenAI 读取 logo，GPT-4.1 智能体规划三个镜头，Kie.ai 上的 Veo 3 Fast 负责渲染，视频地址再写回这一行。

一个 n8n 工作流：把一张概念图变成一段短的动态图形视频。它把你的图当作结束帧，让 AI 写出并执行一个得到起始帧的编辑，再请 WaveSpeedAI 上的 Hailuo 02 在两帧之间做动画。

一个 n8n 工作流，让一张静态人像按照一段视频的动作动起来。表单接收图片和视频片段，RunningHub 的 AI 应用迁移动作，n8n 反复查询任务直到完成，再把视频下载下来。

一个 n8n 工作流，把一张人像和一段音频录音做成会说话的数字人视频。表单接收两个文件，RunningHub 保存它们并渲染视频，n8n 反复查询任务直到完成，再把视频下载下来。

一个 n8n 工作流：一张产品照片，加一句话说明你想要的视频，它就做出一段广告片风格的短视频。Gemini 描述产品，AI 创意总监规划镜头，Kie.ai 上的 Veo 3.1 Fast 负责渲染。

Memos 自托管笔记应用

usememos · 工具包

一款免费、MIT 许可的笔记应用，由你自己托管，零碎的想法和较长的 Markdown 笔记会汇集成一条个人时间线。安装说明涵盖 Docker、Compose、二进制文件、Kubernetes、HTTPS、备份、升级、Web Clipper、API、webhook，以及通过 MCP 接入 Claude Code。