Skill 多語言閱讀指南
huggingface-lora-space-builder用途、用法與原始來源
在 Hugging Face Spaces 上為用戶提供的 LoRa 建置並發布 Gradio 演示。當有人要求創建、生成、發布或交付用於 LoRa 的空間、演示、Gradio 應用或 Playground 時，可以使用此功能——包括用於 Qwen-Image、Qwen-Image-Edit、LTX-Video、Wan、FLUX、SDXL 或其他擴散基礎模型的 LoRa。當有人描述他們在 Hub 上訓練或託管的 LoRa 並希望分享時，也會觸發此功能。涵蓋選擇合適的基礎管道和diffusers推理方案，設計一個適合 LoRA 任務和輸入的 UI（Union/multi-task控制、編輯、影片、圖像等），遵循模型卡建議（觸發詞、步驟、指導、LoRA 規模、範例輸入），並預設以私有空間的形式交付給 ZeroGPU 硬體。
原文擷取時間:
- 來源儲存庫
- huggingface/skills
- SKILL.md
skills/huggingface-lora-space-builder/SKILL.md- 儲存庫 Star
- 11,241
- 儲存庫最近更新
- 2026-10-30
- 能力分類
- 設計
- 最近採集時間
授權：Apache-2.0
流程片段用來協助閱讀上游說明。本頁沒有執行第三方 Skill，不屬於實測評測。
下面的用途與操作片段來自上游文件，由本站整理並翻譯，和另行標示的 Codez 編輯分析分開呈現。
這個 Skill 能做什麼
在 Hugging Face Spaces 上為用戶提供的 LoRa 建置並發布 Gradio 演示。當有人要求創建、生成、發布或交付用於 LoRa 的空間、演示、Gradio 應用或 Playground 時，可以使用此功能——包括用於 Qwen-Image、Qwen-Image-Edit、LTX-Video、Wan、FLUX、SDXL 或其他擴散基礎模型的 LoRa。當有人描述他們在 Hub 上訓練或託管的 LoRa 並希望分享時，也會觸發此功能。涵蓋選擇合適的基礎管道和diffusers推理方案，設計一個適合 LoRA 任務和輸入的 UI（Union/multi-task控制、編輯、影片、圖像等），遵循模型卡建議（觸發詞、步驟、指導、LoRA 規模、範例輸入），並預設以私有空間的形式交付給 ZeroGPU 硬體。
如何使用：上游操作流程
工作流程
按順序完成以下幾個階段。一個階段收集的資訊決定了下一個階段。收集選擇流程和設計使用者介面所需的 LoRa 資訊。選擇基礎流程和推理方案。針對該 LoRa 的特定任務和輸入設計使用者介面。
原文片段 · L24 ↗Gradio LoRA 空間建構器
在 Hugging Face Spaces 上建立並發布 Gradio 演示，該演示使用用戶提供的 LoRa 進行推理。當有人要求建立、產生、發布或分享 LoRa 的「空間」、「演示」、「Gradio 應用」或「實驗環境」時，無論基礎模型是 Qwen-Image、Qwen-Image-Edit、LTX 或其他擴散模型，都可以使用此方法。此外，當有人描述他們在 Hub 上訓練或託管的 LoRa 並希望分享時，也可以使用此方法。預設目標是 ZeroGPU 硬件，預設推理庫是 [此處應填寫預設推理庫名稱]。diffusers當基礎模型支援時，輸出結果是一個真實的、已發佈的空間（預設私有），使用者可以在瀏覽器中試用，而不是本機腳本。
這些演示中「好」的標準是什麼？
演示應該感覺像是為這款特定的 LoRa 設備量身定制的，而不是簡單地應用一個通用模板。即使是執行相同任務的 LoRa 設備，也可能需要不同的演示：例如，姿態控制視頻 LoRa 和視頻外繪 LoRa 都接收視頻輸入並輸出視頻，但用戶提供的輸入、預處理和控制方式卻截然不同。認識到這一點是演示設計的核心。具體來說，一個好的演示應該具備以下特點：
原文片段 · L12 ↗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環境與相依需求
requirements.txt
不要發布一個固定的最小列表然後祈禱一切順利。 「最小」列表只適用於普通的 T 語言。2I LoRAs 會在基礎模型包含視覺語言文字編碼器、視訊輸出或任何非平凡的預處理時立即崩潰。推導requirements.txt根據空間實際需要，按以下順序：每個頂級非標準庫導入app.py。 如果app.py做import cv2，requirements.txt有opencv-python如果真是這樣的話from controlnet_aux import OpenposeDetector，requirements.txt有controlnet-aux按部就班地檢查導入語句。 （請注意下一段中的排除項－有些導入語句是執行時間內建的，無需列出。）
限制與結果檢查
本次未從該檔案選出獨立的限制片段，不代表適用於所有輸入或環境。請閱讀完整原文，並自行驗證實際結果。
開始使用前
- 先核對支援的 Agent 宿主和儲存庫安裝說明。保留完整 Skill 目錄及其引用的腳本、資源和文件，只複製 SKILL.md 可能遺漏相依需求。
- 向 Agent 提供實際輸入、預期輸出和驗收標準。呼叫方式與可用工具取決於宿主環境，本站不假定存在通用的安裝指令。
- 先在暫存專案或輸入副本上試用。涉及修改檔案、遠端服務或計費資源的操作，應逐項核對後再授權。
- 依照原文檢查項目和自己的需求驗證輸出。成功觸發或儲存庫 Star 較高，都不能證明結果正確。
繼續閱讀原始文件
相關 Skill
翻譯與介紹範圍
本頁從固定版本的上游 SKILL.md 整理用途與操作片段，譯文使用輔助翻譯。它不是完整手冊，也不代表經過相容性實測；使用前請核對原文及其引用檔案。
介紹依據下方列出的固定版本；目前儲存庫動態和目錄擷取時間分開呈現。
- 固定版本來源
- 閱讀原文 ↗
- 原文擷取時間
- 來源提交版本
fabc634a893f62ad5c2039830397efa35fa62715- 原文 SHA-256
7192d4a44172609eb073334e0410aff1d3b9134f82b94f1329435ca7fcfa0ad2