C✳CODEZ.WIN
🌐 Français

Guide de lecture localisé

huggingface-lora-space-builderObjectif, utilisation et source

Créez et publiez une démo Gradio sur Hugging Face Spaces pour un LoRA fourni par l'utilisateur. Utilisez cette fonctionnalité lorsqu'une personne demande la création, la génération, le déploiement ou la publication d'un espace, d'une démo, d'une application Gradio ou d'un playground pour un LoRA (y compris les LoRA pour Qwen-Image, Qwen-Image-Edit, LTX-Video, WAN, FLUX, SDXL ou d'autres modèles de diffusion). Elle se déclenche également lorsqu'une personne décrit un LoRA qu'elle a entraîné ou hébergé sur le Hub et souhaite le partager. Ce guide explique comment choisir le pipeline de base approprié.diffusersrecette d'inférence, conception d'une interface utilisateur adaptée à la tâche et aux entrées de LoRA (Union/multi-taskcontrôle, édition, vidéo, image, etc.), en respectant les recommandations de la carte modèle (mots déclencheurs, étapes, conseils, échelle LoRA, exemples d'entrées) et en expédiant par défaut sur le matériel ZeroGPU en tant qu'espace privé.

Source récupérée:

Dépôt source
huggingface/skills
SKILL.md
skills/huggingface-lora-space-builder/SKILL.md
Étoiles du dépôt
11,241
Mise à jour du dépôt
2026-10-30
Catégories de capacités
Conception
Dernière collecte

Licence : Apache-2.0

SKILL.md original

Les extraits de flux de travail sont des outils de lecture et non des instructions exécutables de Codez. Aucune compétence tierce n'a été utilisée pour générer cette page.

Les passages relatifs à l'objectif et au flux de travail ci-dessous constituent le contenu original, organisé et traduit pour la lecture. Ils sont distincts de l'analyse éditoriale de Codez, qui est étiquetée séparément.

À quoi sert cette compétence ?

Créez et publiez une démo Gradio sur Hugging Face Spaces pour un LoRA fourni par l'utilisateur. Utilisez cette fonctionnalité lorsqu'une personne demande la création, la génération, le déploiement ou la publication d'un espace, d'une démo, d'une application Gradio ou d'un playground pour un LoRA (y compris les LoRA pour Qwen-Image, Qwen-Image-Edit, LTX-Video, WAN, FLUX, SDXL ou d'autres modèles de diffusion). Elle se déclenche également lorsqu'une personne décrit un LoRA qu'elle a entraîné ou hébergé sur le Hub et souhaite le partager. Ce guide explique comment choisir le pipeline de base approprié.diffusersrecette d'inférence, conception d'une interface utilisateur adaptée à la tâche et aux entrées de LoRA (Union/multi-taskcontrôle, édition, vidéo, image, etc.), en respectant les recommandations de la carte modèle (mots déclencheurs, étapes, conseils, échelle LoRA, exemples d'entrées) et en expédiant par défaut sur le matériel ZeroGPU en tant qu'espace privé.

Comment fonctionne le flux de travail en amont

Flux de travail

Suivez ces étapes dans l'ordre. Les informations recueillies lors d'une étape déterminent la suivante. Rassemblez les informations LoRA nécessaires pour choisir un pipeline et concevoir une interface utilisateur. Choisissez le pipeline de base et la recette d'inférence. Concevez l'interface utilisateur adaptée à la tâche et aux entrées spécifiques de ce pipeline LoRA.

passage en amont · L24 ↗

Gradio LoRA Space Builder

Créez et publiez une démo Gradio sur Hugging Face Spaces qui exécute l'inférence avec un LoRA fourni par l'utilisateur. Utilisez cette fonctionnalité lorsqu'une personne demande la création, la génération, le déploiement ou la publication d'un « espace », d'une « démo », d'une « application Gradio » ou d'un « environnement de test » pour un LoRA, que le modèle de base soit Qwen-Image, Qwen-Image-Edit, LTX ou un autre modèle de diffusion. Utilisez-la également lorsqu'une personne décrit un LoRA qu'elle a entraîné ou hébergé sur le Hub et souhaite le partager. La cible par défaut est le matériel ZeroGPU et la bibliothèque d'inférence par défaut est [nom de la bibliothèque manquante].diffuserslorsque le modèle de base le prend en charge. Le résultat est un espace réel et publié (privé par défaut) que l'utilisateur peut tester dans son navigateur, et non un script local.

passage en amont · L6 ↗

Voici à quoi ressemble un « bon » résultat pour ces démos

La démo doit donner l'impression d'avoir été conçue sur mesure pour cette LoRA spécifique, et non pas être un modèle générique auquel on aurait ajouté la LoRA à la hâte. Deux LoRA partageant une même tâche peuvent nécessiter des démos différentes : une LoRA de contrôle de pose vidéo et une LoRA de retouche vidéo reçoivent et produisent toutes deux une vidéo, mais les entrées utilisateur, le prétraitement et les commandes sont complètement différents. C'est là l'essentiel du travail. Concrètement, voici ce qu'est une bonne démo :

passage en amont · L12 ↗
passage en amont · python ↗
from huggingface_hub import HfApi, get_token

cached_token = get_token()  # picks up HF_TOKEN env var or cached CLI login
if cached_token:
    try:
        info = HfApi().whoami(token=cached_token)
        username = info["name"]
        # info also has fine-grained token scope info if applicable
    except Exception:
        cached_token = None  # token exists but is invalid/expired

Configuration requise

requirements.txt

N'envoyez pas une liste minimale fixe en espérant que tout se passe bien. La liste « minimale » fonctionne pour les simples T2Je rencontre des problèmes avec LoRA et le modèle de base se bloque dès qu'il intègre un encodeur de texte vision-langage, une sortie vidéo ou tout autre prétraitement non trivial. Dérivérequirements.txtEn fonction des besoins réels de l'espace, dans cet ordre : chaque importation de premier niveau non standardlib dansapp.py. Siapp.pyfaitimport cv2,requirements.txtaopencv-pythonSi c'est le casfrom controlnet_aux import OpenposeDetector,requirements.txtacontrolnet-auxParcourez mécaniquement les importations. (Notez les exclusions dans le paragraphe suivant : certaines importations sont des fonctions intégrées à l’exécution et n’ont pas besoin d’être listées.)

passage en amont · L188 ↗

Limites et contrôles de qualité

Aucun passage de limite distinct n'a été sélectionné dans ce fichier. Cela ne signifie pas que la compétence est sûre pour toutes les entrées ou tous les environnements. Consultez le code source complet et validez vos résultats.

Commencez par un essai sans danger

  1. Vérifiez l'hôte pris en charge et les instructions d'installation du dépôt. Conservez le répertoire Skill ainsi que ses scripts, ressources et documentation référencés ;SKILL.mdSeul, il peut omettre les dépendances.
  2. Indiquez à l'agent vos paramètres d'entrée réels, le résultat souhaité et les critères d'acceptation. La syntaxe d'appel et les outils disponibles dépendent du système hôte ; ce site ne propose pas de commande d'installation universelle.
  3. Testez le flux de travail source dans un projet temporaire ou sur une copie. Avant d'autoriser les opérations qui modifient des fichiers, des services distants ou des ressources facturables, examinez-les attentivement.
  4. Vérifiez la conformité du résultat avec les contrôles qualité sources et vos propres exigences. Un déclenchement réussi ou un nombre élevé d'étoiles dans le dépôt ne garantissent pas un résultat correct.

Spécifications du format et du répertoire des compétences ↗

Pour en savoir plus, consultez la source.

Traduction et étendue

Ce guide de lecture sélectionne des passages de l'amont épingléSKILL.mdCette traduction est assistée. Elle ne constitue pas un manuel complet et ne garantit pas une compatibilité testée. Veuillez lire le document original et les fichiers auxquels il fait référence avant utilisation.

Cette introduction fait référence à la version épinglée ci-dessous ; l’activité actuelle du dépôt et la durée de la collecte sont indiquées séparément.

Source épinglée
Lire l'original ↗
Source récupérée
Commit source
fabc634a893f62ad5c2039830397efa35fa62715
Source SHA-256
7192d4a44172609eb073334e0410aff1d3b9134f82b94f1329435ca7fcfa0ad2
Retour au catalogue complet des compétences