AI 智能体技能、规则与提示词工具包

Pose Skeleton Multi-Orang (DWPose/RTMW)

kulkas2pintu · 工具包

把照片转成 OpenPose 风格的姿态图，专门应对一帧里多人互相重叠的情况。这些图可以当作 ControlNet 姿态模型的控制图。在 CPU 上运行。

Falcon1 2.6M Image

Kuantum-ai1 · 工具包

托管一个 Falcon1-2.6M-Image 模型的 Gradio 演示。README 没有给出说明，只有名字暗示它和图像有关。

TIPO DEMO

KBlueLeaf · 工具包

展示 TIPO 模型与图像模型、标签模型一起工作的演示，是一个能在浏览器里运行的 Gradio 应用。适合想试用它或想读读各部分如何接在一起的人。

Natural Text to Danbooru Tags with Transformer V2

John6666 · 工具包

用语言模型和标注模型，把普通话语的描述转成 Danbooru 风格的标签。在浏览器里以 Gradio 应用运行，适合给图片写标签式提示词的人。

Image Face Upscale Restoration

jhon19792025 · 工具包

修复并放大照片里的人脸，在一个 Gradio 页面里提供多个修复模型。适合修复老旧或模糊人像的人。只使用你有权使用的照片。

GeCo2 Object Counting

jerpelhan · 工具包

在你标出几个示例之后，数出图片里某个物体的所有实例，不需要重新训练，也没有固定的类别清单。适合研究人员和想数照片里物品的人。

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。

Granite Vision Document Intelligence

ibm-granite · 工具包

在 Gradio 演示里用 IBM Granite Vision 和 Docling，从 PDF 和图片中提取摘要、CSV 数据、代码、表格和图片描述。

SmolVLM

HuggingFaceTB · 工具包

一个来自 HuggingFaceTB 的 Gradio 演示，对应 SmolVLM2-2.2B-Instruct 模型，附带示例图片，可以在浏览器里在线运行，也可以用 Python 3.10 在你的电脑上运行。

SenseNova-U1.5 MoT TailSteer

hugging-apps · 工具包

分多轮编辑图片，把每次的结果再作为下一轮的输入，同时限制漂移。适合想试用分步图片编辑或研究这个模型的人。

PRISM Image to 3D

hugging-apps · 工具包

用一张图片构建 3D 高斯场景，并在 3D 查看器里显示。适合想不安装任何东西就试用单图重建的研究者和 3D 爱好者。

MOSS-Image-heal

hugging-apps · 工具包

在 Gradio 演示里用 MOSS-Image-Base 模型的微调版本，根据文字提示词生成图片，输出偏向动漫风格。

MetaView Novel View Synthesis

hugging-apps · 工具包

用一张上传的图片，从新的相机角度渲染场景，带偏航和俯仰控制。这是 MetaView 方法的交互演示，适合研究者、3D 美术师和开发者。

HiDream O1 Image

HiDream-ai · 工具包

提供 HiDream 的 O1 Image 模型的 Gradio 演示，可以在浏览器里打开，也可以在自己的电脑上运行。适合想试用这个模型或阅读应用代码的人。

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。

FOXES - A Framework for Operational X-ray Emission Synthesis

griffingoodwin04 · 工具包

根据你以 NumPy 文件上传的 7 通道 SDO/AIA 太阳观测数据，预测 GOES 软 X 射线流量，并返回合成图像和流量贡献图。适合太阳物理研究者。

DRS-VPT

fulkast · 工具包

在不需要起始位姿猜测的情况下，找出一张相机图像在 3-D 点云中的拍摄位置。适合研究 3-D 扫描中相机定位的研究者和学生。

Prompt Squirrel

FoodDesert · 工具包

在 Gradio 页面里整理并归类以标签列表写成的图像提示词，并附有可以试用的示例提示词。适合为图像模型写标签式提示词的人。

Diffusers Image Outpaint

fffiloni · 工具包

在基于 Stable Diffusion XL 模型的 Gradio 应用里，把图片向边缘之外延伸并填上新内容，适合需要更大画布的人。

MOSS-Image Layout Editor

ferry309 · 工具包

在浏览器里画出文字框、物体框和角色框的布局，并从中导出 MOSS-Image 提示词。适合手动搭建 MOSS-Image 草稿的人。

Joy Caption Pre Alpha

fancyfeast · 工具包

一个早期演示，把 SigLIP 视觉模型和 Llama 3.1 8B 搭在一起，看起来是用来给图片写说明文字的。这是 Hugging Face 上的 Gradio 应用，名字里就标明了 pre-alpha。

AI Jukebox

enzostvs · 工具包

一个用 AI 生成音乐的网页应用，由 Docker 镜像在 3000 端口提供服务。可以在 Hugging Face 的浏览器里用，也可以在自己的电脑上构建一份。

Kaloscope Artist Style Classifier

DraconicDragon · 工具包

在 Gradio 页面里，用 Kaloscope 模型把图片归类到 Danbooru 画师标签。适合给作品打标签或分类的人，也适合想看这些模型怎么运行的开发者。

DBv4-Tagger ConvNext-v2-Huge

DraconicDragon · 工具包

在 Gradio 页面里用 animetimm 的 convnextv2_huge 模型给动漫图片打标签。适合整理或研究动漫画作的人。

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。

Upscale

Delanoir · 工具包

在浏览器里用基于 Real-ESRGAN 模型的 Gradio 应用放大图片。适合想不装软件就得到小图更大版本的人。

Chat With Janus-Pro-7B

deepseek-ai · 工具包

和 DeepSeek 的 Janus-Pro-7B 模型聊天，它既能理解图片也能生成图片，生成的图片会做 2 倍放大。适合想在浏览器里试用多模态模型的人。

Free Img EnhanceUpscaler PRO

Deddy · 工具包

通过增强和放大来提升图片质量，是一个能在浏览器里运行的 Gradio 应用。适合想不装编辑软件就得到更清晰照片的人。

FLUX.2 Klein multi-LoRA

CirujanoRetro · 工具包

在浏览器页面里运行 FLUX.2 Klein 图像模型，并同时套用多个 LoRA 适配器。适合想混合 LoRA 风格、又不想在本地搭环境的图像创作者。

EmbeddingGemma 2 in the Browser

Caspivs · 工具包

在浏览器里为文档排序、跨语言比较句子，并用文字搜索你自己的图片，你输入或上传的内容不会离开你的设备。适合探索嵌入的人。

DALL·E mini

BlitzEsports · 工具包

提供一个用文字描述生成图片的小型网页，基于 dalle-mini 模型。适合想在浏览器里试用文生图的人。

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。

Image Face Upscale Restoration

avans06 · 工具包

用 GFPGAN、RestoreFormer++、CodeFormer 等人脸修复模型，外加 GPEN 和 ESRGAN，修复并放大图片里的人脸。适合想修复老旧或低质量人像的人。

Smooth Gen

alrobles · 工具包

用 RIFE 和 Adetailer 两个模型，让定格动画和生成图片之间的间隔变得平滑。适合想让帧与帧之间动作更稳的动画师和图像生成用户。

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。

Intelligent Content Organizer MCP Agent

Agents-MCP-Hackathon · 工具包

为 PDF、文本、Word 和图片文件建立索引，再按语义搜索、总结、打标签、分类并回答问题。这是带 Gradio 页面的 MCP 服务器，适合文档很多的人。

BiRefNet Demo

ZhengPeng7 · 工具包

在浏览器里试用 BiRefNet 图像模型：它们能把图片里的主体和背景分开。来源列出了六个变体，你也可以在自己的电脑上跑一份。

Attention Visualization

webml-community · 工具包

展示 Vision Transformer 如何把注意力放在图像的各个部分，是一个在浏览器里运行的静态网页。它是 transformers.js 示例项目之一。

SeedVR2 3B Image Upscaler

Upsampler · 工具包

用 SeedVR2-3B 模型一步扩散修复并放大单张图片，可在 Hugging Face 的浏览器页面使用，也可在本机运行。适合想把模糊或偏小的图片变清晰的人。

Z Image Turbo

Tongyi-MAI · 工具包

Tongyi-MAI 为 Z-Image-Turbo 图像模型做的 Gradio 演示，带 MCP 标签，文件里有提示词检查和一个安全检查模型。适合想试用 AI 图像生成的设计师和开发者。

Z Image

Tongyi-MAI · 工具包

围绕 Tongyi-MAI 的 Z-Image 模型搭建的 Gradio 应用，在浏览器里就能试用，不用安装任何东西。适合想测试这个模型或阅读应用代码的人。

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。

Qwen Edit Any Pose

rl74 · 工具包

在浏览器里用 Qwen 图像编辑 2511 加 AnyPose LoRA 改变图片中人物的姿势。适合设计师、插画师和想试姿势编辑的开发者。

Flux.2 Klein Edit Ultra Fast

prithivMLmods · 工具包

用 FLUX.2 klein 4B 模型编辑图片，并搭配小型解码器来加快出图。这是一个在 Hugging Face 上运行的 Gradio 应用，适合设计师和开发者。

OpenPose

ovi054 · 工具包

一个 Gradio 应用，从名字来看，它把图片变成 OpenPose 结果，也就是人体姿态的骨架。适合需要从图片得到姿态图的艺术家和开发者。

Qwen Image 2.1 Studio

MariucaFuckingGood · 工具包

把 Qwen Image 2.1 的九个图像工具放在一个页面里，涵盖生成、编辑、物体移除、重新打光和扩图。适合想在一处完成 AI 图像编辑的设计师和照片编辑者。

Xiaomi OCR 0 Demo

loongwayX · 工具包

在基于 Docker 的文档工作台里，用 Xiaomi-OCR-0 模型解析图片和 PDF，提取字段，并回答关于文档的问题，需要 GPU。

Votepurchase Multiple Model (SD1.5/SDXL Text-to-Image)

John6666 · 工具包

在一个浏览器页面上，用多个 Stable Diffusion 1.5 和 SDXL 模型按文字提示词生成图片。适合想试用多个图像模型、又不想逐个搭建的人。

LBM Relighting

jasperai · 工具包

一个来自 jasperai 的 Gradio 应用，用 Latent Bridge Matching 快速给图像重新打光，可以在浏览器里在线运行，也可以用 Python 3.12 在你的电脑上运行。

WeVisOne-VL-2B

hugging-apps · 工具包

在图片上试用腾讯的 WeVisOne-VL-2B 视觉语言模型，从找物体、数数、读文字到抠出主体。适合做图像理解的开发者和研究者。

P-JiT 21K

hugging-apps · 工具包

用 P-JiT 21K 根据文字提示生成图片，这是一个直接在像素空间工作的扩散 Transformer，并带有给短提示扩写的功能。适合图像生成的研究者和开发者。

Tile Upscaler

gokaygokay · 工具包

在 Gradio 应用里用 Real-ESRGAN 和受 ControlNet 引导的扩散模型放大图片，适合需要更大版本图片的人。

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。

Wd14 Tagging Online

deepghs · 工具包

在一个小型 Gradio 页面里，用两个 WD14 标注模型给图片打标签，无需安装。适合给图片打标签、或需要给图片集生成文字标签的人。

DALL·E mini

dalle-mini · 工具包

一个 dalle-mini 模型的静态网页前端，从名字看是用文字驱动的图像生成器。README 没有描述，所以具体控件没有文档说明。

NitroFusion2

ChenDY · 工具包

用 NitroFusion2 只需一两步就能从文字生成图片，它是基于 Z-Image-Turbo 的模型，页面运行在 ZeroGPU 硬件上。适合想要快速文生图结果的人。

FLUX.1 Kontext

black-forest-labs · 工具包

在浏览器演示里用 FLUX.1 Kontext dev 模型编辑图片，自带三张示例图片。适合想不在本地搭环境就试试 AI 图片编辑的设计师和图像创作者。

Unlimited OCR Works 2 Studio

baidu · 工具包

用 Unlimited-OCR-2 模型把上传的页面图片或最多 20 页的 PDF 解析成排好版的 Markdown，带实时流式显示和渲染视图。适合做文档数字化和测试 OCR 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。

Idol Image to 3D

AmandaCat · 工具包

把一张物体图片变成可以旋转、缩放并下载为 PLY 文件的 3D Gaussian Splat。适合想尝试图片转 3D 的创作者和开发者，带 API 和 MCP 服务器。

Qwen-Image-2.1-LoRAs-PnP

prithivMLmods · 工具包

把 Qwen Image 2.1 模型的即插即用 LoRA 收集在一个 Gradio 页面里，涵盖扩图、一致性和任意角度等风格。适合用 LoRA 编辑图片的人。

Serverless ImgGen Hub

Nymbo · 工具包

用 Flux 和 Stable Diffusion 3.5 模型加风格 LoRA 根据文字提示词生成图片，你这边不需要 GPU。容易修改。适合艺术家、爱好者和开发者。

Image To Text

Jonny001 · 工具包

用 Florence-2-base 模型把上传的图片转成文字提示词。在浏览器里以小型 Gradio 应用运行，使用基础 CPU 硬件。

MOSS-Image 8-step DMD

hugging-apps · 工具包

用 MOSS-Image-SFT 的蒸馏版本，在 Gradio 页面里 8 步从文字生成图片，运行在 ZeroGPU 硬件上。这是一个仍在开发中的演示，适合想要更快文生图的人。

Unlimited OCR

baidu · 工具包

用百度的 Unlimited-OCR 模型从图片和文档里读出文字，是一个 Gradio 页面，运行在 Hugging Face 的 ZeroGPU 硬件上。适合需要从图片中取出文字的人。

Image To Flux Prompt

aifeifei798 · 工具包

一个小型 Gradio 应用，从名字来看，它把图像变成 Flux 图像模型的提示词。适合想要起始提示词的图像创作者，以及想读一个短应用的开发者。

Idol Turbo

akhaliq · 工具包

把一张图片变成 3D 物体，比 Idol 快约 12x，用的是只需 6 步而不是 50 步的蒸馏版本。适合想快速得到图片转 3D 结果的人。

Wan 2.2 Animate Character Replace

neksjgg · 工具包

用 Wan 2.2 Animate 模型，把视频里的角色换成参考图里的角色，在 ZeroGPU 上运行。适合不想在本地搭环境、想换角色的视频创作者和动画师。

FLUX.1 [dev]

black-forest-labs · 工具包

在 Gradio 页面里运行 Black Forest Labs 的 FLUX.1 [dev] 图像模型，运行在 Hugging Face 的 ZeroGPU 硬件上。适合想在浏览器里试用或复制代码的人。

TRELLIS

trellis-community · 工具包

用 microsoft/TRELLIS-image-large 模型，从一张图片生成 3D 内容。这是一个 Gradio 页面，可以在浏览器里打开，也可以在自己的电脑上运行。

MOSS-Image Workflow

OpenMOSS-Team · 工具包

在节点画布式 Gradio 页面上用 MOSS-Image 的 Base 和 SFT 模型根据文字生成图片，带采样控件和能恢复设置的示例栏。适合想在浏览器里试用 MOSS-Image 的人。

Z-Image Lookalike LoRA Index

nphSi · 工具包

一个静态网页，为 ZI Base、ZI Turbo 和 Ming 模型的 LoRA 附加文件做索引，在浏览器里打开即可。README 只有一行，所以索引怎么组织并不明确。

Qwen Image 2.1 Studio

Maximofn · 工具包

把 Qwen Image 2.1 的九个图像工具放进一个 Gradio 应用，从生成和编辑到重新打光和换装。适合想试用或自己托管这些工具的人。

AI Image Upscaler

MegaPotatoAI · 工具包

用 AI 放大器把照片放大 2 倍、4 倍或 8 倍，并在像素层面把结果和原图并排对比。已登录 Hugging Face 的用户可以免费试用，同一开发者还提供 REST API。

WAN2.2 I2V LIGHTNING-Video-4-8step

Saravutw · 工具包

在 Gradio 页面上用 Wan2.2 图生视频模型把静态图片变成短视频，设置成 4 到 8 步的快速运行。适合想在浏览器里让图片动起来的创作者。

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。

4K Upscaler

MegaPotatoAI · 工具包

用 AI 放大器把图片放大到 4K、8K 或 16K，先显示确切的输出尺寸，并让你把普通缩放和 AI 结果对比。已登录 Hugging Face 的用户可免费试用。

Image Upscaler

Phips · 工具包

在 Gradio 页面上用 Phips 的一组模型处理图片，模型名称指向 JPEG、H264 和降噪清理。适合想在浏览器里得到更干净、更清晰图片的人。

MTEB Leaderboard

mteb · 工具包

在浏览器或 Docker 里运行的排行榜页面，给文本、图像、音频和视频的嵌入模型排名。适合选择嵌入模型的人。

FLUX.2 Klein Multi LoRA V2

M3st3rJ4k3l · 工具包

在一个实验性的 Gradio 页面上，用 FLUX.2 Klein 9B 和 LoRA 附加模块编辑图片。适合想在浏览器里试用图片编辑、并了解这个应用如何组织的人。

Omni Image Editor

selfit-camera · 工具包

在浏览器里运行的 Gradio 页面，可以编辑图片、用文字生成图片、放大照片和去除水印。适合想快速处理图片又不想安装软件的人。

一个 n8n 工作流，取 Notion 里日期是今天的那一行，让 OpenAI 整理它页面上的文字，再连同页面里的图片发到 LinkedIn。之后把这一行的状态设为 Done。

一个 n8n 工作流，监视一个 Google Drive 文件夹里付款流水的 PDF 和图片。AI 模型读取每一份，给每一行加上类别，再把 CSV 文件存进另一个 Drive 文件夹。

一个 n8n 工作流，把简历 PDF 变成一张图片，再请 Google Gemini 判断候选人是否适合某个职位。模型看到的是图片，所以藏在 PDF 里的文字不应该左右结论。

一个 n8n 工作流：把提示词发给 fal.ai 上的 Flux dev 模型，等到图片做好，下载它并存进一个 Google Drive 文件夹。

一个 n8n 工作流：监视一个 Google Drive 文件夹，把每张新图片发给 Photoroom 去掉背景，加上你选的颜色和留白，再把 PNG 存进第二个 Drive 文件夹。

一个运行小型 Telegram 聊天机器人的 n8n 工作流，它有三种行为。它用用户的语言聊天，欢迎新用户，消息以画图命令开头时就画一幅图。

一个给会画图的 Telegram 机器人用的 n8n 工作流。你写一条消息，OpenAI 图像模型把文字变成一张图，机器人再把图发回你的聊天。

一个回答发到 Telegram 机器人的照片的 n8n 工作流。照片交给 OpenAI 视觉模型，机器人回复一段描述。不是照片的消息会收到一条请你发图片的简短回复。

一个每 12 小时给 Telegram 发一个新英文儿童故事的 n8n 工作流。模型写故事，语音模型朗读，图像模型画出角色的图片。

一个每 12 小时给 Telegram 发一个新儿童故事的 n8n 工作流。模型先用英文写故事再译成阿拉伯语，工作流再配上朗读音频和一张图片。

一个 n8n 工作流，检查一张图片里是不是你的 Qdrant 集合认识的作物。Voyage AI 把图片转成向量，再用一句简短的文字说出最接近的作物，或者发出警报。

一个 n8n 工作流，等待有人把股票或加密货币的图表图片发到一个网址。OpenAI 模型为新手交易者读这张图，答案再以纯文字送回发送端。

一个在浏览器里提供图像编辑器的 n8n 工作流。你涂出图片的一部分并描述想要的改动，FLUX.1 Fill 重画这块区域，并和原图并排显示。

一个 n8n 工作流，把一张图片和一句简短的提示语发给 Google Gemini，再把它返回的框画在图片上。提示语说明要找什么，示例要找的是兔子。

一个 n8n 工作流，用同一段示例文字演示五种调用 OpenAI 聊天模型的小例子：写摘要、译成德语、写出图片提示词、要 SVG 代码，以及起草快速回复。

一个把 Google Drive 里的图片变成可搜索文字的 n8n 工作流。它读取图片的颜色数据，让 OpenAI 视觉模型给出关键词，再把两者作为一份文档存进向量库。