Mindket

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

新上架第 1 版 · 更新于

概览

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。

Votepurchase Multiple Model (SD1.5/SDXL Text-to-Image) 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 3.12 和 pip
  • packages.txt 里列出的系统软件包,Hugging Face 用 apt-get 安装它们
用在
  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不需要安装任何东西。
  • Windows、macOS 或 Linux:用 Python 3.12 运行你自己的副本。
先运行
pip install -U huggingface_hub
hf download John6666/votepurchase-multiple-model --repo-type space --local-dir votepurchase-multiple-model
cd votepurchase-multiple-model

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这个 Space 是用 Gradio 做的文字生成图片页面,让你在多个 Stable Diffusion 1.5 和 SDXL 模型之间选择。它的模型列表里还有 FLUX.1 系列和社区模型。它在 Hugging Face 的 zero-a10g 硬件上运行。

适合谁

适合用提示词生成图片、想在一个地方比较图像模型的人,也适合想研究多模型 Gradio 应用的开发者。

IndustryWho uses itHow they use itExample
数字艺术插画师和爱好者用同一个提示词试不同的图像模型把同一个提示词放到两个模型上运行并比较
内容创作社交媒体和博客创作者根据文字生成图片生成一张配合帖子的图片
软件开发者研究会切换模型的 Gradio 应用阅读 model_dict.json 和 app.py

如果你需要一个有完整使用文档的固定模型,可以跳过它,因为来源里关于用法的说明很少。

用在哪里

你可以在这些地方使用它:

  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不需要安装任何东西。
  • Windows、macOS 或 Linux:用 Python 3.12 运行你自己的副本。
Use caseWhoWhat they get back
文字生成图片任何想做图片的人根据文字提示词生成的图片
模型对比爱好者同一个提示词在不同模型下的图片

如何设置

如果要在本地运行副本,你需要先准备:

  • Python 3.12 和 pip
  • packages.txt 里列出的系统软件包,Hugging Face 用 apt-get 安装它们

在线页面不需要这些。若要运行你自己的副本,请按下面的步骤操作。

  1. 安装 Hugging Face 工具。
  2. 把这个 Space 的文件下载到一个文件夹。
  3. 进入那个文件夹。
  4. 安装 Space 使用的版本的 Gradio,再安装其他依赖包。
  5. 启动应用。
pip install -U huggingface_hub
hf download John6666/votepurchase-multiple-model --repo-type space --local-dir votepurchase-multiple-model
cd votepurchase-multiple-model
pip install gradio==6.10.0
pip install -r requirements.txt
python app.py

如何使用

在浏览器里打开这个 Space,或者用下面的命令启动你自己的副本。然后输入提示词,选一个模型,点击生成。

python app.py
ToolWhat it does
python app.py在你自己的电脑上启动 Gradio 应用
hf download把这个 Space 的文件复制到本地文件夹

示例

你打开这个 Space,输入一段文字提示词,并选择列表里的一个模型。运行之后,页面会返回一张根据提示词生成的图片。

新手与专家

如果你是新手,先打开这个 Space,写一句简短的提示词,并保留它提供的第一个模型。下一次只换模型,看看差别有多大。

如果你熟悉这个领域,仓库里有模型、LoRA 和文本反演的 JSON 列表,一个标注器文件夹,以及一个把日语转成 Danbooru 标签的文件夹。这个 Space 提到了 VAE、FLUX.1 模型和两个数据集,其中一个是负面提示词嵌入集。

  1. 你输入提示词
  2. 你选择一个模型
  3. Space 在 GPU 上加载它
  4. 模型生成图片
  5. 你看到结果

注意事项

README 几乎没有用法说明,所以这里的步骤来自仓库文件和 Hugging Face 自己的记录。

  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 从 Hugging Face 下载的模型文件和数据集

README 和文件

README

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

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。

由 John6666 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个 Space 是用 Gradio 做的文字生成图片页面,让你在多个 Stable Diffusion 1.5 和 SDXL 模型之间选择。它的模型列表里还有 FLUX.1 系列和社区模型。它在 Hugging Face 的 zero-a10g 硬件上运行。

适合谁:适合用提示词生成图片、想在一个地方比较图像模型的人,也适合想研究多模型 Gradio 应用的开发者。

Industry | Who uses it | How they use it | Example
数字艺术 | 插画师和爱好者 | 用同一个提示词试不同的图像模型 | 把同一个提示词放到两个模型上运行并比较
内容创作 | 社交媒体和博客创作者 | 根据文字生成图片 | 生成一张配合帖子的图片
软件 | 开发者 | 研究会切换模型的 Gradio 应用 | 阅读 model_dict.json 和 app.py

如果你需要一个有完整使用文档的固定模型,可以跳过它,因为来源里关于用法的说明很少。

用在哪里:你可以在这些地方使用它:

  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不需要安装任何东西。
  • Windows、macOS 或 Linux:用 Python 3.12 运行你自己的副本。
Use case | Who | What they get back
文字生成图片 | 任何想做图片的人 | 根据文字提示词生成的图片
模型对比 | 爱好者 | 同一个提示词在不同模型下的图片

如何设置:如果要在本地运行副本,你需要先准备:

  • Python 3.12 和 pip
  • packages.txt 里列出的系统软件包,Hugging Face 用 apt-get 安装它们

在线页面不需要这些。若要运行你自己的副本,请按下面的步骤操作。

  1. 安装 Hugging Face 工具。
  2. 把这个 Space 的文件下载到一个文件夹。
  3. 进入那个文件夹。
  4. 安装 Space 使用的版本的 Gradio,再安装其他依赖包。
  5. 启动应用。
pip install -U huggingface_hub
hf download John6666/votepurchase-multiple-model --repo-type space --local-dir votepurchase-multiple-model
cd votepurchase-multiple-model
pip install gradio==6.10.0
pip install -r requirements.txt
python app.py

如何使用:在浏览器里打开这个 Space,或者用下面的命令启动你自己的副本。然后输入提示词,选一个模型,点击生成。

python app.py
Tool | What it does
python app.py | 在你自己的电脑上启动 Gradio 应用
hf download | 把这个 Space 的文件复制到本地文件夹

示例:你打开这个 Space,输入一段文字提示词,并选择列表里的一个模型。运行之后,页面会返回一张根据提示词生成的图片。

新手与专家:如果你是新手,先打开这个 Space,写一句简短的提示词,并保留它提供的第一个模型。下一次只换模型,看看差别有多大。

如果你熟悉这个领域,仓库里有模型、LoRA 和文本反演的 JSON 列表,一个标注器文件夹,以及一个把日语转成 Danbooru 标签的文件夹。这个 Space 提到了 VAE、FLUX.1 模型和两个数据集,其中一个是负面提示词嵌入集。

你输入提示词
你选择一个模型
Space 在 GPU 上加载它
模型生成图片
你看到结果

注意事项:README 几乎没有用法说明,所以这里的步骤来自仓库文件和 Hugging Face 自己的记录。

  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 从 Hugging Face 下载的模型文件和数据集

Hugging Face 上的数据(2026年11月13日)

  • 点赞:147
  • 构建方式:gradio
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/John6666/votepurchase-multiple-model
  • 文件:https://huggingface.co/spaces/John6666/votepurchase-multiple-model/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Votepurchase Multiple Model (SD1.5/SDXL Text-to-Image) 本页147gradiomit
MusicGen共有 gradio5,116gradiocc-by-nc-4.0
Kokoro TTS共有 gradio3,556gradioapache-2.0
Background Removal共有 gradio2,988gradiomit
Omni Image Editor共有 gradio2,922gradiomit
Diffusers Image Outpaint共有 gradio2,565gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

效率类的相似商品

查看效率类的全部商品

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。

新上架

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k