AI 智能体技能、规则与提示词工具包

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐，50 步并带引导控制，音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

controlnet-openpose-sdxl-1.0

xinsir · 工具包

用人体姿势骨架图来控制 Stable Diffusion XL 图像中人物的姿势。适合想让人物按自己的设想站立或动作的画师和开发者。

MOSS-TTS

OpenMOSS-Team · 工具包

用八种语言朗读文字，支持零样本声音克隆、长篇语音，并可控制发音和时长。适合音频制作人和开发语音功能的开发者。

ControlNet v1.1 depth (SD 1.5)

lllyasviel · 工具包

用深度图引导 Stable Diffusion 1.5，让生成的图像保持原图的布局。这是 diffusers 格式的 ControlNet v1.1，适合想控制构图的艺术家和开发者。

Ming-3.0-tts-tiny

inclusionAI · 工具包

inclusionAI 的多语言文字转语音模型，可根据短音频克隆声音，也能按描述设计声音，并控制情绪、语速和方言。推理需要它的 GitHub 项目。

Wan 2.1 for ComfyUI

Comfy-Org · 工具包

为 ComfyUI 重新打包的 Wan 2.1 视频模型文件，涵盖文生视频、图生视频、VACE 编辑、镜头控制、透明通道视频和音频驱动配音，并附带现成的工作流。

Wan2.2-Fun-5B-Control

alibaba-pai · 工具包

用 Canny、Depth、Pose 或 MLSD 等控制条件，或用轨迹，来引导生成的视频。适合在 videox_fun 库里使用 5B Wan2.2 基础模型的视频创作者和研究者。

MOSS-Image Scribble Control LoRA

thedeoxen · 工具包

在 ComfyUI 里为 MOSS-Image-SFT 提供涂鸦控制的 LoRA，把黑底上的白色粗线条变成成品图，由提示词决定质感和风格，适合从草图出发的人。

MOSS-Image Lineart Control LoRA

thedeoxen · 工具包

为 MOSS-Image-SFT 在 ComfyUI 里提供线稿控制的 LoRA，可以给线稿上色，或把照片变成保留线条结构的新场景，适合重绘线稿和设计草图的人。

MOSS-Image Canny Control LoRA

thedeoxen · 工具包

在 ComfyUI 里为 MOSS-Image-SFT 提供 Canny 边缘控制的 LoRA，保留照片的轮廓，让提示词改变材质、颜色和风格，适合编辑和重绘图片的人。

Qwen3.8-27B-AWQ-INT4

cyankiwi · 工具包

cyankiwi 制作的 Qwen3.8-27B 4-bit AWQ 量化版本，一个带思考控制的 27B 视觉语言模型。权重为 21.02 GB，可在 Transformers、vLLM 或 SGLang 中加载。

Jocasta-diff-VLA

RobotLearningLab · 工具包

把 Dream-VLA-7B 适配到 robosuite 中八类模拟 Panda 机械臂任务的机器人控制策略，使用 Flow Matching 动作头。适合有 CUDA GPU 的机器人研究者。

MOSS-Image-SFT Segmentation Control LoRA

thedeoxen · 工具包

借助 MOSS-Image-SFT 把平涂色块的区域图重绘成新图片，保留区域形状，由提示词决定每个区域变成什么。适合使用 ComfyUI 的图像创作者。

MOSS-Image Normal Control LoRA

thedeoxen · 工具包

为 MOSS-Image-SFT 在 ComfyUI 里提供法线控制的 LoRA，根据彩色法线图保持物体的形状和体积，由提示词改变材质和场景，适合给形体重新贴材质和重新打光的人。

SenseNova-U1.5-8B-MoT

sensenova · 工具包

统一的多模态模型，用于生成和编辑图像，中英文文字清晰，支持原生 4K 输出，可通过框选和参考图控制。适合有大显存 GPU 的设计师和研究者。

π₀.₅ (Pi05) (LeRobot)

lerobot · 工具包

一个机器人控制模型，读取摄像头图像、机器人状态和可选的指令，输出连续动作。它是基础检查点，适合用自己的机器人数据做微调的研究者。

Qwen-Image-2.1-Multiple-Angles-LoRA

akhaliq · 工具包

Qwen-Image-2.1 的相机控制 LoRA，能从你选的角度重新拍摄一个主体，有 36 个姿态外加特写版本。适合用 ComfyUI 或 diffusers 的图像创作者。

Wan-Animate-2

Wan-AI · 工具包

照着驱动视频里的动作，让一张角色图片动起来，还能用文字控制镜头视角。适合有高性能 GPU、要制作角色视频的人。

MOSS-Image depth control LoRA

thedeoxen · 工具包

让灰度深度图来控制 ComfyUI 里用 MOSS-Image-SFT 生成的图像布局，主体和风格仍由你的提示词决定。适合想固定镜头深度的图像创作者。

Krea2 Turbo OpenPose ControlNet LoRA

thedeoxen · 工具包

让 Krea2 Turbo 按 OpenPose 或 DWPose 骨架图的身体姿势出图，外观由你的提示词决定。适合在 ComfyUI 里工作的美术人员。

Z-Image

Tongyi-MAI · 工具包

根据文字描述生成图片，拥有 6.2B 参数，是 Z-Image 系列完整的未蒸馏基础模型。适合想要精细控制结果的创作者、研究人员和开发者。

Z-Image Turbo

Comfy-Org · 工具包

Comfy-Org 打包的 Z-Image-Turbo 文生图模型的 ComfyUI 即用文件，附带文生图、放大和 ControlNet 工作流。基于 Tongyi-MAI 的原版。

Wan 2.2

Comfy-Org · 工具包

把 Wan 2.2 视频模型和相关文件打包成 ComfyUI 能加载的形式，涵盖图生视频、文生视频、相机控制等。适合在 ComfyUI 里生成视频的人。

Chatterbox TTS

ResembleAI · 工具包

Resemble AI 的开源文字转语音模型，支持零样本声音克隆和情感夸张控制。最新的多语言版本覆盖 23 种语言，参数量 0.5B。

Scylla's Band

spybyscript · 工具包

既能朗读又能按旋律谱演唱的文字转语音模型，有十四种声音、六种语言，可调强度、语速和音高。

Ming-3.0-tts-0.5B

inclusionAI · 工具包

把文字转成七种语言的语音，包括中文和英文。它能用一段短音频复制声音，按描述设计新声音，并控制情绪、语速、音高和音量。

MOSS-Image-pose-controlnet

thedeoxen · 工具包

以 DWPose 骨架作为控制图，让生成的图像跟随身体姿势，是 MOSS-Image-SFT 的 LoRA。适合想在 ComfyUI 里摆出角色姿势的画师和动画师。

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。

GLM-5.3-Flash

zai-org · 工具包

zai-org 的 GLM-5 系列原生多模态模型，总参数 320B、激活 18B，采用稀疏与线性注意力的混合设计，并能控制思考预算。适合有大型 GPU 服务器的团队。

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。

QuackLeague

RIc0101 · 工具包

为小型开源双足机器人 MicroDuck 做的可玩 3D 足球训练场。它用简化的球模型，只是早期演示，不是训练好的机器人控制器。

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。

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。

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。

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。

ControlSpec，Before an agent acts

claytonsamples · 工具包

回放对 AI 智能体做精确动作审批的已记录测试，这些测试通过 NVIDIA OpenShell 沙盒运行，你可以查看审批、重放和失败情况。适合审查智能体安全的团队。

SLM-MiniMax-Continual-Trainer

BRR1154 · 工具包

让一个大型控制器模型监督小语言模型的训练，指出导致失败的层，并规划权重更新。适合训练和调优小模型的人。

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。

InstantID

InstantX · 工具包

一个围绕 InstantX/InstantID 模型搭建的 Gradio 演示，带有 Stable Diffusion XL 流水线、ControlNet 深度和边缘模型以及风格模板，可以在线运行，也可以在你的电脑上运行。

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。

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。

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。

一个带聊天窗口的 n8n 工作流。Gemini 智能体把你的请求变成一次 Proxmox API 调用，工作流用你的令牌运行它，第二个智能体再解释结果。

gbrain

garrytan · 工具包

为你已在用的 AI 智能体提供由你掌控的记忆，保存带来源的事实，并支持更正和撤回。它从无需密钥的关键词检索起步，之后可加语义搜索。

claude-quickstarts

anthropics · 工具包

为开发者提供基于 Claude API 构建应用的入门项目，包括客服智能体、带图表的金融数据聊天和桌面控制环境。

artcraft

storytold · 工具包

一个制作 AI 图像和视频的工作室，你可以在 2D 中构图、在 3D 中搭建场景并选择模型，在生成之前就掌控画面。适合艺术家、设计师和电影人。

nvke

dsx-ai-factory · 工具包

让平台团队在自己的裸金属 NVIDIA GPU 机器上，为客户提供 Kubernetes 集群，每个集群都有独立的控制平面。目前是预览版，不适合生产环境。

localthings

mbillow · 工具包

让 Home Assistant 通过本地网络控制三星洗衣机、烘干机、冰箱、空调和烤箱，不需要云账号。适合有兼容 SmartThings 的家电的 Home Assistant 用户。

rails

rails · 工具包

一个 Ruby Web 框架，提供构建基于数据库的应用所需的东西，采用 Model-View-Controller 模式。适合用 Ruby 写 Web 应用的开发者。

Claude Code Game Studios

Donchitos · 技能

一套专为 Claude Code 打造的游戏开发 AI 智能体、技能及配置规则集，提供结构化的开发层级。它支持多种常用游戏引擎，并能有效管理工作流、文档编写与质量控制。