Gradio 简介

什么是 Gradio

Gradio 是一个开源的 Python 库，主要用于快速构建和分享机器学习模型的 Web 界面。它特别适合模型原型展示、用户交互测试，以及快速部署 AI 应用，无需前端开发经验。

Gradio 能做什么

功能	描述
快速构建界面	只需几行代码即可为模型添加网页 UI
模型交互	支持用户输入文本、图像、音频、视频等进行推理
一键分享	自动生成可公网访问的链接，便于分享给他人测试
模块组合	支持多个组件组合成多输入/多输出应用
多框架兼容	支持 PyTorch、TensorFlow、Transformers、scikit-learn、OpenAI 等

常用组件

文本类

组件	用途
gr.Textbox()	文本输入/输出
gr.TextArea()	多行文本
gr.Label()	显示分类标签

代码如下：

import gradio as gr

def greet(name):
    return f"你好，{name}！"

gr.Interface(
    fn=greet,
    inputs=gr.Textbox(label="输入你的名字"),
    outputs=gr.Textbox(label="问候语")
).launch()

对应效果:

图像类

组件	用途
gr.Image()	输入或输出图像
gr.Sketchpad()	手绘板（适合涂鸦识别）

示例代码：

def flip_image(image):
    return image.transpose(method="FLIP_LEFT_RIGHT")

gr.Interface(
    fn=flip_image,
    inputs=gr.Image(type="pil"),
    outputs=gr.Image()
).launch()

对应效果:

音频/视频类

组件	用途
gr.Audio()	支持录音或上传音频
gr.Video()	上传或播放视频

示例代码：

def get_duration(audio):
    return f"音频长度：{len(audio)} bytes"

gr.Interface(
    fn=get_duration,
    inputs=gr.Audio(type="filepath"),
    outputs="text"
).launch()

对应效果:

表单/控件类

组件	用途
gr.Checkbox()	单个勾选框
gr.CheckboxGroup()	多选框组
gr.Radio()	单选框组
gr.Dropdown()	下拉选择
gr.Slider()	数值滑动条
gr.Number()	数字输入框

示例代码：

def calc_tip(price, percent):
    return price * (percent / 100)

gr.Interface(
    fn=calc_tip,
    inputs=[gr.Number(label="价格"), gr.Slider(0, 100, label="小费 %")],
    outputs=gr.Number(label="小费金额")
).launch()

对应效果:

数据与可视化类

组件	用途
gr.Dataframe()	表格输入/输出
gr.Plot()	绘图展示（Matplotlib / Plotly）

示例代码：

import gradio as gr
import matplotlib.pyplot as plt

def draw_sin(xmax):
    import numpy as np
    x = np.linspace(0, xmax, 100)
    y = np.sin(x)
    fig, ax = plt.subplots()
    ax.plot(x, y)
    return fig

gr.Interface(
    fn=draw_sin,
    inputs=gr.Slider(1, 20, label="X 最大值"),
    outputs=gr.Plot()
).launch()

对应效果:

高级组件

组件	用途
gr.JSON()	显示字典结构（结构化输出）
gr.File()	上传/下载文件
gr.HTML()	显示 HTML 内容
gr.Markdown()	显示 Markdown 内容

示例代码：

import gradio as gr

def return_info():
    return {"user": "Alice", "score": 92}

gr.Interface(
    fn=return_info,
    inputs=[],
    outputs=gr.JSON()
).launch()

对应效果:

AI 代码聊天

import gradio as gr
import ollama

def chat(user_input, history):
    messages = []
    # 构建上下文：每轮问答各一条
    for pair in history:
        messages.append({"role": "user", "content": pair[0]})
        messages.append({"role": "assistant", "content": pair[1]})
    # 加入当前问题
    messages.append({"role": "user", "content": user_input})

    # 调用 Ollama
    response = ollama.chat(
        model="qwen3:8b",
        messages=messages,
        stream=False
    )

    reply = response["message"]["content"]
    return reply

# 用最简单的 ChatInterface 启动
gr.ChatInterface(
    fn=chat,
    title="简易 Ollama 对话助手",
    examples=["你好", "你是谁", "推荐一个流量套餐"],
).launch()

对应效果: