用 Gradio 给本地 AI 模型
搭一个能用的演示界面

原来的做法慢在哪

模型在本地跑通之后，给别人演示通常有两条路：让对方看命令行截图，或者花一两天写一个临时前端。前者没人能感受到价值，后者在验证阶段是浪费——界面不是这个阶段要回答的问题。

四步

1. 安装依赖。以扣像为例：pip install gradio rembg
2. 把模型函数交给 Gradio。写一个 app.py，见下方完整文件。
3. 启动。python app.py，浏览器打开 127.0.0.1:7860。
4. （可选）给同事一个链接。demo.launch(share=True) 会生成一个 72 小时有效的临时外链。

为什么有效

Gradio 的核心抽象是"函数即界面"：声明输入输出的类型，组件自动生成。验证阶段真正要回答的是"这个能力有没有价值"，而不是"界面好不好看"——把前端工程整个跳过去，时间就留给了验证本身。

文件与命令

app.py 完整内容：

import gradio as gr
from rembg import remove

def cutout(image):
    return remove(image)

demo = gr.Interface(
    fn=cutout,
    inputs=gr.Image(type="pil", label="原图"),
    outputs=gr.Image(type="pil", label="扣像结果"),
    title="本地扣像 Demo",
)

demo.launch()  # 默认只监听本机 127.0.0.1:7860

换成你自己的模型，只需要替换 cutout 函数和输入输出组件类型。

限制，说清楚

• 隐私：默认只监听本机；但 share=True 的外链流量会经过 Gradio 的中转服务器——素材敏感就不要开；
• 稳定性：临时外链 72 小时失效，不能当部署方案；
• 门槛：需要 Python 环境；首次安装模型依赖可能较慢。

相关内容

这个方法来自正在验证的 EXP-001 · AI 扣像本地版——完整的产品思路、判断与取舍都在实验档案里。