AI 智能体技能、规则与提示词工具包

gemma-4-12B

google · 工具包

Google 的 Gemma 4 12B Unified 模型，是能读文字、图片、音频和视频并输出文字的开放模型，上下文 256K，不需要单独的编码器。适合运行本地 AI 的开发者。

Qwen3.8-27B-FP8

Qwen · 工具包

用 Qwen3.8-27B 的 FP8 量化权重处理文字、图片和视频，它是带可调思考模式的 27B 稠密模型。适合用 transformers、vLLM 或 SGLang 部署它的开发者。

Alpie Seed 9B

169Pi · 工具包

用一个基于 Qwen3.5-9B 的 9B 开放权重模型处理文字、图片和视频，做推理和编程，并提供适合轻量硬件的 GGUF 版本。适合想要能离线运行的模型的开发者。

Minimax-h3_Singularity

WarmBloodAban · 工具包

在 ComfyUI 里用 MiniMax-H3 的微调融合模型，根据文字、图片、参考或其他视频生成视频，现为 V2 INT8 版本。适合想要更强动作场景和风格控制的视频创作者。

Wan2.2-TI2V-5B

Wan-AI · 工具包

用文字，或用图像加文字，生成 720P、24 fps 的视频，能在单块消费级显卡（如 4090）上运行。这是 Wan-AI 的 5B 视频模型，适合创作者和研究者。

PAN 2

IFM · 工具包

MBZUAI 的 IFM 做的 29B 世界模型，把一个场景和描述的动作变成最长 20 秒的视频，让智能体可以预览结果，适合有大显卡的研究人员和智能体开发者。

embeddinggemma-2

google · 工具包

Google DeepMind 的开源嵌入模型，把文字、代码、图片、视频和音频放进同一个 768 维向量空间，可在笔记本和手机上运行。适合构建搜索和检索的开发者。

Uniformer_video_demo

Andy1621 · 工具包

一个 Gradio 演示，用 Andy1621/uniformer 模型给短视频打标签，带三段示例视频。适合想在浏览器里试用视频分类的人。

Reddit Video Downloader

Amrrs · 工具包

一个 Streamlit 应用，按名字看是用来保存 Reddit 上的视频。README 没有写步骤，具体要求看页面。适合有权保存该视频的人。

Omni-Video-Factory-API-iframe

Tanyakhan · 工具包

在浏览器或你自己的电脑上运行一个 Gradio 应用，它的名称把它和视频制作以及 iframe 里的 API 联系在一起。README 没有说明用途，所以它具体做什么并不明确。

Ltx Video Extender

Sobhanm · 工具包

在 Gradio 应用里让视频变得更长，使用 Lightricks 的 LTX 2.5 Diffusers 模型。适合想让片段超出原有长度的创作者和开发者。

Free-View Expressive Talking Head Video Editing

sky24h · 工具包

一个用于编辑说话头像视频的 Gradio 演示，如标题所示，支持自由视角和表情控制。适合想试用该方法或阅读其代码的研究者和开发者。

Extender

Skolavennu · 工具包

一个小型 Gradio 应用，能把视频延长你指定的秒数。适合想把片段拉长，又不想打开剪辑软件的创作者和开发者。

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。

omni-editor-img and vdo-api-iframe-ZeroGPUID

Saravutw · 工具包

在浏览器或你自己的电脑上运行一个 Gradio 应用，它的名称把它和图像编辑以及 iframe 里的视频 API 联系在一起。README 没有说明用途，所以它具体做什么并不明确。

VideoMaMa++

SammyLim · 工具包

一个随时间保持一致的视频抠像交互演示。SAM3 跟踪你点击或指名的物体，VideoMaMa++ 把跟踪结果变成 alpha 蒙版。非商业许可。

Sora Revival

Robuxy0016 · 工具包

一个非官方演示，用 Open-Sora v1.2 由文字提示词或参考图片生成短视频。与 OpenAI 无关。可在 Hugging Face 上用，也可在自己电脑上运行。

Reachy Mini - Yo It's Your Boy

pollen-robotics · 工具包

播放一支 2 分 12 秒的机器人音乐视频，它本身就是一个网页，Reachy Mini 在 three.js 场景里跳舞。包含播放器、代码和逐帧渲染器。

Open VLM Video Leaderboard

opencompass · 工具包

一个视觉语言模型在视频理解基准上得分的排行榜，有总排名，也有每个基准的详细榜单。适合挑选模型的研究人员和工程师。

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。

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。

Gradio Lipsync Wav2lip

manavisrani07 · 工具包

在 Gradio 页面里运行 Wav2Lip 口型同步，把嘴部动作和语音音频对上，适合试验视频和语音工具的人。

Video Backend

maazahmadkhan8171 · 工具包

在浏览器或你自己的电脑上运行一个名为 Video Backend 的小型 Gradio 应用。README 没有说明用途，只能从名称和一个 yt-dlp 文件推测它的用处。

Le Tube

loubnabnl · 工具包

展示一个 YouTube 风格的视频浏览页，为不局限于编程的好奇人群重新排序，你的点赞和历史只保存在自己的浏览器里。

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。

MoCapAnything V2

kehong · 工具包

把一段视频转成适用于任何物种或物体的预测 3D 姿态骨架，并提供 BVH 和 npy 文件下载。可以把动作重定向到与视频里不同的骨架上。

Video Background Removal

innova-ai · 工具包

用 BiRefNet 模型去掉或更换视频的背景，可以在浏览器里在线运行，也可以用 Python 在你自己的电脑上运行。

Zeroscope V2

hysts · 工具包

一个来自 hysts 的 Gradio 演示，用 zeroscope_v2_576w 模型做文字生成视频，可以在浏览器里在线运行，也可以用 Python 3.12.12 在你的电脑上运行。

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。

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。

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。

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。

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。

MEMFOF Optical Flow

egorchistov · 工具包

为全高清视频估计光流，也就是帧与帧之间每个像素的运动，同时占用很少的 GPU 显存，带 Gradio 演示和多个训练好的模型。适合计算机视觉研究者和视频工程师。

ClaimRadar BG

DyrakArmy · 工具包

在保加利亚语文本、音频和视频中找出可核查的说法，在网上搜索来源，并给每个说法一个带证据的结论。适合想检验自己所读所听内容的记者、事实核查人员和读者。

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。

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。

Video Face Swapper

asaelk · 工具包

通过 Gradio 网页应用给视频换脸，这是根据名称和文件做的判断。README 没有描述。只使用你有权使用的人脸。

CCTV Visual RAG

alinawazmahar · 工具包

输入一句日常语言的描述，就能在监控视频里找到对应时刻，并返回最匹配的画面和时间戳。适合想搜索录像而不是逐帧拖动查看的人。

UnlimitedMusicGen

Surn · 工具包

根据文字描述或一段引导旋律生成任意长度的音乐，方法是把生成的片段接起来。它扩展了 Meta 的 Audiocraft，适合音乐人、视频创作者和开发者。

SoulX FlashHead

Soul-AILab · 工具包

以流式方式演示 SoulX FlashHead 1.3B 模型，从名字和辅助模型看，它像是由语音驱动的头像视频。适合想试用它或阅读它代码的人。

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。

GGUF Model VRAM Calculator

DavidAU · 工具包

在浏览器里运行的静态页面，估算一个 GGUF 模型需要多少显存。适合想选一个能装进自己显卡的量化模型的人。

Image to Video

ArtemisFowl2 · 工具包

根据你写的场景或你的照片做出一段短视频，请求会发给它的所有者的视频引擎。需要一个免费的 Hugging Face 账号，并给这个 Space 点赞。

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。

Parakeet Ultra Transcriptor

Zangurak1 · 工具包

把上传的音频或视频转成完整文字，提供 TXT 下载，词级时间可用时还提供 SRT 字幕文件。界面是西班牙语，适合学生和需要转写录音的人。