AI 智能体技能、规则与提示词工具包

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。