Gradio gr.Workflow: пайплайн из нод сразу даёт UI, API и деплой на Spaces

Gradio встроил gr.Workflow: граф типизированных нод сразу становится drag-and-drop канвасом, REST API и деплоем на Hugging Face Spaces. Промежуточный результат виден в каждом узле, без отладки цепочки через print.

Как устроен граф

Три роли нод: входы (references), шаги (operators) и выходы (subjects). Оператором может быть ваша Python-функция, модель через Hugging Face Inference Providers, другой Gradio Space или строка из датасета на Hub. Соединяете типизированные порты, жмёте Run, и результат появляется на месте.

Примеры из гайда

Все демо на живых Spaces: открываете, гоняете, копируете кнопкой Duplicate.

• Image Editor: один узел с Qwen-Image-Edit, загрузили фото, описали правку, получили результат
• AI Media Studio: FLUX, удаление фона, озвучка и заголовок эпизода через LLM; у каждого выхода свой endpoint (/sticker, /voiceover, /episode_title)
• Generative Art Lab: одна идея параллельно уходит в несколько стилей картинок и заголовок от LLM
• Data Detective: ID датасета расходится на четыре оператора с Datasets Server API
• ZeroGPU Animator: узел с @spaces.GPU гоняет Lightricks/LTX-Video через Diffusers прямо на GPU внутри Space

Вызов из кода

Каждый выход даёт отдельный REST endpoint по имени лейбла. Из Python хватает gradio_client: Client.predict(..., api_name="/edited_image"). Эндпоинты с моделями и Spaces требуют Hugging Face token; простые демо работают без него. Минимальный старт: gr.Workflow(bind=[your_function]).launch().

Источник: Wire It, Run It, Deploy It: AI Workflows in Gradio.