一个多功能的图像编辑工具，支持文本生成图像、图像放大、去水印等操作。

文生图模型，6B参数，采用Scalable Single-Stream DiT架构，支持逼真的图像生成、中英文本渲染、提示增强推理和创意图像编辑。

运行模型 mrfakename/Z-Image-Turbo

语音模型排行榜，包含文本转语音、语音转语音、语音理解、语音识别等模态的热力图排名，数据来自HuggingFace数据集。

从单张图像生成高保真3D模型，由微软提供。

在浏览器中通过WebGPU运行1-bit Bonsai大语言模型，实现本地推理。

文本嵌入模型排行榜，用于评估不同嵌入模型的性能。

Qwen图像编辑LoRA集合的演示demo，用于图像编辑任务。

基于FLUX.1-dev的图像到图像生成demo，搭载Uncensored V2 LoRA。

输入图片和文本提示，生成对应视频，属于图生视频（image-to-video）生成任务。

输入图片和文本提示，生成视频。

210M参数的编码器模型，从HTML中提取主要内容，单次前向传播标记每个块为内容或模板，速度比0.6B解码器快约20倍（ROUGE-5 F1 0.862）。

运行模型 feyninc/pulpie-orange-small

输入图片和文本提示，生成对应视频。

基于Qwen3.5骨干和Q-Former的自回归语音合成模型，支持语音克隆和文本CFG控制，使用NeMo nano编解码器将参考音频压缩为8个前缀token。

基于WebSocket的语音对话demo，连接Hugging Face语音转语音后端，输入PCM16 16kHz麦克风音频，输出音频与转录。

基于Wan2.2的图像转视频demo，支持单张图片或首尾帧引导生成视频，使用Lightning检查点，推荐4-8步推理。

运行模型 TestOrganizationPleaseIgnore/WAMU-Merge-MotionBoost_WAN2.2_I2V_LIGHTNING

LingBot-Video演示，首个开源大规模MoE视频生成模型（30B参数，约3B活跃），支持文生视频、图生视频、文生图，用于具身智能。

运行模型 robbyant/lingbot-video-moe-30b-a3b

腾讯混元团队开发的Hy3多轮流式对话demo，295B参数MoE模型（21B活跃），支持函数调用，在推理、智能体、长上下文任务中表现优异。

运行模型 tencent/Hy3

社区复现挑战：参与者使用智能体复现ICML 2026每篇论文的主要结果，通过Trackio logbook记录实验痕迹，前750名参与者获GPU积分奖励，最佳复现作品另有$4000积分。

基于4B参数MiniCPM3微调的电影生成模型，从单一概念自动编写故事、绘制ASCII角色与场景，并逐帧播放约90秒的短片，支持离线本地运行。

效率排行榜：测量27B以上模型在达到指定质量（GPQA Diamond）所需的最小硬件规格，公开量化配置与基准数据，引擎内部细节未开源。

在浏览器中使用WebGPU运行1-bit 27B大语言模型，权重为单符号位加共享FP16缩放因子，有效比特率1.125比特/权重，较FP16压缩约14.2倍。

运行模型 prism-ml/Bonsai-27B-gguf

基于解码器自回归语言模型的统一语音增强与分离框架，使用WavLM提取特征并通过BiCodec编解码器生成音频。

运行模型 QuarkAudio/QuarkAudio-UniSE

一个0.8B参数的端到端文档解析模型，从图片或PDF生成结构化Markdown，保留阅读顺序，支持LaTeX公式、HTML表格和视觉区域裁剪。

运行模型 ATH-MaaS/OvisOCR2

根据输入图片和文本提示生成视频的演示。

基于LTX 2.3的图像到视频生成demo，支持10张图片输入并合成视频，包含原生音频。

基于WAN2.2的图像到视频生成demo，输入图像，输出视频。

输入一张图片和文本提示词，生成对应视频，属于文生视频任务。

输入图像或视频与自然语言描述，定位其中任意物体，基于论文arxiv.org/abs/2605.27365。

展示Soofi S 30B-A3B预训练技术报告的项目页面，提供PDF下载。

基于Krea 2 Turbo与社区LoRA的身份保持指令图像编辑demo，输入图像与自然语言指令，编辑并保留人物形象。

运行模型 krea/Krea-2-Turbo

InstantID 是一种无需微调的身份保持图像生成方法，仅需单张人脸图像即可生成保持身份特征的新图像，支持多种下游任务，由 InstantX 开发。

运行模型 InstantX/InstantID

AnyCoder 是一个全栈 AI 代码生成工具，用户可用自然语言描述需求，生成包含前端和后端的完整应用，支持多种 AI 模型，并可一键部署到 HuggingFace Spaces。

运行模型 MiniMaxAI/MiniMax-M2.5

图像反推提示词工具，结合 CLIP 与 BLIP 分析图片，输出可复现该图风格的文本 prompt，常用于扩散模型的提示词逆向。

IllusionDiffusion 是一个图像生成演示，输入文本提示，输出高质量的幻视艺术作品。

Whisper 的 JAX 实现，借助 TPU 与批处理大幅提升长音频转写吞吐，相较原版 PyTorch 推理快数十倍。

运行模型 openai/whisper-large-v3

百度Unlimited-OCR模型，基于Transformer架构，支持单页与多页文档OCR，可处理图片和PDF，输出解析结果。

运行模型 baidu/Unlimited-OCR

LTX 2.3图像转视频模型，支持原生音频生成，基于Comfy工作流运行，可控制目标模式。

Facebook AudioCraft库中的MusicGen音乐生成模型，基于PyTorch，支持高质量音频的生成与训练。

开源LLM排行榜，用于追踪、排名和评估大型语言模型，提供前端React界面和后端API。

基于RealVisXL_Turbo的高分辨率图像生成模型，用于生成类似Midjourney风格的图片。

阿里 HumanAIGC 的虚拟试衣 demo，输入人物照与服装图，经两阶段扩散合成对应穿着效果，支持多体型与姿态。

基于DeepSeek-V3-0324的Vibe Coding平台，通过生成式AI辅助应用开发，支持文件上传与网页搜索。

运行模型 deepseek-ai/DeepSeek-V3-0324

基于Qwen-Image-Edit-2511和Rapid-AIO加速变压器的图像编辑工具，支持单张或两张输入图像，通过提示词生成高质量编辑结果。

运行模型 Qwen/Qwen-Image-Edit-2511

Krea 2文本到图像生成demo，提供Raw和Turbo蒸馏版本，运行在ZeroGPU上。

MOSS-Transcribe-Diarize 0.9B端到端音频理解模型，联合语音转录和说话人分离，生成带时间戳和匿名说话人标签的结构化转录，适用于会议、通话等长时多说话人录音。

运行模型 OpenMOSS-Team/MOSS-transcribe-diarize

4D人脸重建与跟踪工具，从图像序列或视频前40帧中一次前馈预测深度和面部坐标，输出带跟踪的点云，支持两种推理模式。

运行模型 depth-anything/DA3-GIANT-1.1

户外照片重光照工具，通过交互式3D球拖动太阳方向，两遍生成（阴天去除阴影+太阳方向匹配）实现重光照。

运行模型 eric-venti-seeds/Sun-Direction-Lora-Flux2Klein9B

LivePortrait肖像动画工具，将驱动视频的运动转移到静态人像上，支持拼接和重定向控制。

运行模型 KlingTeam/LivePortrait

DALL·E Mini文本生成图像模型，基于文本提示生成图像，支持创意和幽默内容生成。

运行模型 dalle-mini/dalle-mini

FLUX.1-schnell 12B参数整流流变压器文本到图像模型，经潜在对抗扩散蒸馏训练，1-4步生成高质量图像，Apache-2.0许可。

运行模型 black-forest-labs/FLUX.1-schnell

一个实验性空间，支持加载多个 FLUX.2-Klein LoRA 进行图像生成，可能记录上传的图像用于性能监控，图片7天后自动删除。

一个统一受控角色动画的演示，具体技术细节未说明。

基于 Qwen-Image 的多视角生成 demo，从单张图生成不同机位与 3D 相机视角的图像。

运行模型 Qwen/Qwen-Image

黑森林实验室的FLUX.1 [dev]模型，120亿参数rectified flow transformer，从文本描述生成图像，采用引导蒸馏训练，开源权重，可个人、科研和商业使用（非商业许可）。

运行模型 black-forest-labs/FLUX.1-dev

腾讯的Hunyuan3D 2.0，大规模3D合成系统，支持文本和图像生成高分辨率带纹理的3D资产，包含基于流扩散Transformer的形状生成模型和纹理合成模型。

运行模型 tencent/Hunyuan3D-2

AI漫画工厂，通过单个提示生成漫画，开源，依赖LLM（如Zephyr-7B-β）和SDXL等组件进行渲染。

运行模型 HuggingFaceH4/zephyr-7b-beta

LMArena（原 LMSYS Chatbot Arena）的大模型匿名对战排行榜，由众包 pairwise 投票按 Elo / Bradley–Terry 为主流开闭源模型排名。

非官方演示F5-TTS和E2-TTS，实现零样本语音克隆，基于Flow Matching技术，可从参考音频合成目标语音。

运行模型 SWivid/F5-TTS

基于扩散语言模型的多语言零样本语音合成模型，支持600+语言，实现语音克隆与设计，推理速度快。

运行模型 k2-fsa/OmniVoice

图像抠图去背景 demo，基于 BRIA RMBG 分割模型一键分离前景主体并输出透明背景。

运行模型 briaai/RMBG-2.0

文本转语音模型，已升级至v1.0版本，具体能力未详细说明。

运行模型 hexgrad/Kokoro-82M

快手 Kolors 团队的虚拟试衣 demo，上传人物与服装图即可生成上身效果，底层基于 Kolors 扩散模型。

运行模型 Kwai-Kolors/Kolors