基于 Gradio 的 Stable Diffusion 网页界面，把文生图、图生图、局部重绘等能力做成可视化操作面板，不用写代码就能跑图像生成。
面向创作者和开发者的 Gradio 语音工作台，集成多引擎 TTS、零样本声音克隆、Whisper 转写、人声分离与多语言翻译，一站式完成配音和字幕制作。
轻量级 AI 证件照制作算法，能自动抠图、换背景并生成标准尺寸证件照，适合快速集成到自己的应用里。
基于 FunASR 的本地视频转写与字幕生成工具，带 Gradio 界面，还能用大模型辅助自动剪辑，适合做中文视频内容创作。
把电子书（EPUB 等）一键转成有声书，内置 50 多种 TTS 引擎，支持声音克隆和 1696 种语言，适合批量制作多语言音频书。
在 Google Colab 上一键跑起 Stable Diffusion WebUI 的笔记本合集，省去本地显卡和环境配置，直接在线出图、图生图、训练 LoRA 和 DreamBooth。
把大语言模型和 Hugging Face 上的各类模型连起来，让 LLM 自动挑选、调用合适的模型完成多模态任务，相当于给模型加了个调度中枢。
给 ChatGPT 及 Llama、Claude、Gemini 等大模型套上清爽的网页界面，支持智能体、文件问答、联网搜索和模型微调，开箱即用。
基于节点图的扩散模型图形界面与后端，支持本地快速推理和 API 调用，方便搭建和调试图像生成工作流。
在浏览器里直接跑 AI Agent 的 Web 界面，让 browser-use 的浏览器自动化能力开箱即用，不用自己搭前端就能可视化操作和调试。
基于流匹配的语音合成模型官方实现，只需一段参考音频就能克隆音色并生成流畅自然的语音，适合做零样本 TTS 和语音克隆。
让视频扩散模型在普通显卡上也能跑起来，通过帧打包技术大幅降低显存占用，实现实用的长视频生成。
腾讯混元开源的大规模视频生成框架，基于扩散 Transformer 把文本提示直接生成连贯视频，适合做文生视频研究和应用落地。
多语言大语音生成模型，覆盖推理、训练到部署全流程，支持中英日粤语及跨语种合成，适合做语音克隆和对话机器人。
…r chart: Table + field data extraction :computer: Gradio-powered web interface :closed lock with key: On-prem deployment with REST API :page facing up: Multi-page documen
…s/concepts/clients/devices/webpage.md) provides a Gradio-based web UI - [ProgrammaticClient](docs/concepts/clients/devices/programmatic.md) offers a concise programming i
…ec/svtrv2/repsvtr ch.yml OCR e2e img.tar for demo gradio.py ONNX Model: Det model: openocr det model.onnx (mobile), configs/det/dbnet/repvit db.yml Rec model: openocr rec
…2302.01318.pdf)。本次更新实现了投机采样解码策略，可使用小模型加速大模型的解码，并在 gradio demo.py 和 inference hf.py 中添加了使用投机采样的参数。 - 经测试，A40-48G GPU上使用Chinese-Alpaca-2-1.3B模型加速Chinese-Alpaca-2-7B/13B模型推理
本版本以功能性更新为主，包括新增8K上下文支持、支持Gradio Demo流式输出、支持仿OpenAI API形式调用等。 🔬 新增8K+上下文支持 新增8K+上下文支持方法， 无需对模型权重本身做出修改 。 - transformers：提出自适应RoPE，动态适配4K~8K+上下文，已集成在 [ gradio demo.py ](h
🎉 GradioApp integration 🚀 Increase Code Coverage ✨ Data Processing refactor