AI 智能体技能、规则与提示词工具包

Ultimate RVC

Ospsl · 工具包

一个在 Hugging Face Space 上运行的 Gradio 应用，名为 The Ultimate RVC Project。可以在浏览器里打开，或用 Python 3.12.7 运行一份副本。适合想看看它的音频爱好者和开发者。

CapSpeech TTS

OpenSound · 工具包

一个面向风格化语音的文字转语音演示，你可以自己调整声音、口音和情绪。适合想听听 OpenSound 团队做的可控语音的人。

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。

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。

MiniCPM5 2B Demo

openbmb · 工具包

openbmb 做的 Gradio 演示，你可以在浏览器里试用 MiniCPM5-2B 语言模型，也可以用 Python 3.12 自己运行一份副本。

YOLOv10 Document Layout Analysis

omoured · 工具包

一个 Gradio 应用，用 YOLOv10 模型分析文档的版面，适合想在浏览器或自己电脑上看版面检测效果的人。

Image To Relief

oedevs · 工具包

通过估算深度，把你上传的图片变成 3D 浮雕 STL 文件，导出前可以用曲线编辑器调整深度图。适合想从照片得到高度模型的创作者。

NXTL Shield

nxtl-esim · 工具包

把免费的开源安全工具放在一个网页里：检查链接和消息是否诈骗、查看连接信息、设置 Safe DNS、加密文件和消息，以及一次性私密链接。适合普通用户。

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。

AUDIO

NguyenVanMau2311 · 工具包

在 Docker 容器的 7860 端口上运行一个名为 AUDIO 的小型 Node.js 风格项目。来源没有说它的音频功能是什么，所以适合想阅读或运行这些文件的开发者。

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。

Movie Recommendation System

NehaChouhan10 · 工具包

一个标题为电影推荐系统的小型静态网页，只有一个 HTML 文件和一个样式表。适合想找一个小小的前端项目来打开和阅读的学习者。

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。

MTEB-BR Leaderboard

MTEB-BR · 工具包

在原生巴西葡萄牙语任务上给文本嵌入模型排名，22 个任务评测了 93 个模型。这是一个静态榜单页，适合挑选葡萄牙语搜索模型的研究者和工程师。

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 WebGPU

mrfakename · 工具包

通过 WebGPU 在你的浏览器里运行 Hazy Research 的小型 Next-Concept Modeling 检查点，任务有 TinyStories、LM1B small 和数独。适合想要本地、免安装演示的研究者和开发者。

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。

Confucius4-R2T2 WebGPU

mrfakename · 工具包

通过 WebGPU 在你的浏览器里把中文和英文语音转成文字，可以处理音频文件或实时麦克风。适合不想把音频发到服务器的人。

Wasm Agents Blueprint

mozilla-ai · 工具包

mozilla-ai 做的静态网页，用来测试由 WebAssembly 驱动的 AI 智能体，提到了 Devstral-Small-2507 和 Qwen3-8B 两个模型。适合探索能在浏览器里运行的智能体的开发者。

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。

ToolVision Detector

moindedroper · 工具包

在你上传的照片里找出扳手、螺丝刀、锤子和钳子，使用在浏览器里运行的 YOLO26n 模型。适合想私下检查照片的创客和工坊。

Spark-X2.6-1.7B WebGPU

mohdmahmodi · 工具包

通过 WebGPU 在你的浏览器里运行 Spark-X2.6-1.7B 聊天模型，你输入的内容留在自己的设备上。适合想要私密本地聊天、使用桌面版 Chrome 或 Edge 的人。

Arabic Auto Tashkeel

MohamedRashad · 工具包

通过 Gradio 应用给没有标记的阿拉伯语文本加上 tashkeel，也就是阿拉伯语元音符号。适合教师、学习者和做语音的开发者。

Text Reverser Tool

Mohamed-almansop · 工具包

一个小型静态网页，正如名字所说，能把你给它的文字反转。它在浏览器里运行，不需要安装任何东西，适合需要快速翻转文字的人。

OmniVoice MLX

mlx-community · 工具包

通过社区的 MLX 后端用 OmniVoice 文字转语音模型朗读文本，适合想试用它或在 Apple 芯片 Mac 上运行它的人。

Try GPT-1 and GPT-2

mkmenta · 工具包

一个 Gradio 应用，名字说明你可以试用 GPT-1 和 GPT-2，在基础 CPU 硬件上运行。README 没有任何描述，所以请直接看页面了解它怎么用。

StatePact Concurrency Playground

Mithun-2714 · 工具包

在浏览器里模拟共享可变状态的智能体如何冲突，提供五种隔离模式，让你亲眼看到超卖、丢失更新和写偏斜。

Teacher in the Loop

MithrilMan · 工具包

在浏览器里完整运行从 Kokoro-82M 蒸馏出来的 8M 参数小型语音合成声音，并附有对比各训练方案的音频样本。

Mimi Ai Chat

mirqcle994 · 工具包

提供一个用来提问的免费 AI 聊天机器人页面，是一个带安装清单的小型静态网页。

Reachy Mini ElevenLabs Conversation

mindmodelai · 工具包

让 Reachy Mini 机器人通过 ElevenLabs 对话式 AI 智能体进行语音对话，带有头部动作和口型同步，适合这款机器人的主人。

YourMT3

mimbres · 工具包

在 Gradio 应用里运行 YourMT3 演示。它的文件夹名称指向把音频转成 MIDI 的音乐转录，适合处理音乐和音频模型的人。

Leokani-tts 7M

milliwattlabs · 工具包

用一个只有 7M 参数的小型语音合成模型朗读你输入的任何一句话，它在浏览器里用你自己的 CPU 运行，适合想要本地语音输出的人。

Arboters NLU

migold · 工具包

读取发给国际象棋联赛机器人的消息，找出命令或提议的比赛时间，适合测试 Lichess4545 机器人语言模型的人。

NewsSum V2 Demo

MHkhan50 · 工具包

在浏览器里并排比较两种新闻摘要方法，一个是长度匹配的 TextRank，一个是在 BBC 新闻上微调的 BART-base，适合研究文本摘要的人。

JerseyNet - Jersey Number Detection

MHkhan50 · 工具包

在图片里找出球衣号码并在每个号码外画框，全程在你的浏览器里完成，图片不会离开你的设备。

Grounding DINO Demo

merve · 工具包

根据文字描述在图片里找物体，不需要固定的标签清单。这是 Grounding DINO 开放集检测器的 Gradio 演示，适合开发者和视觉研究人员。