Gradio 是一个用于构建机器学习应用网页界面的 Python 工具。它把前端界面处理与模型调用连接起来，让使用者可以用几行 Python 为机器学习模型创建可交互的 Web 应用，而不必编写 JavaScript 或 CSS。官网展示了从原型到生产环境网页应用的使用路径：应用可以在本机运行，也可以生成公开分享链接，或部署到 Hugging Face Spaces。与需要自行搭建前端页面的方式相比，Gradio 的重点是用 Python 快速组合输入、输出和模型函数，并直接形成可供他人访问的界面。
核心功能
为机器学习模型创建 Web 界面
Gradio 可以把 Python 函数连接到输入和输出组件，形成可操作的机器学习演示。官网示例使用 greet(name) 函数接收文本并返回问候语，再通过 gr.Interface 创建界面并启动应用。官方定位是为 ML 模型创建 Web interfaces，适用于从原型到生产就绪网页应用的构建。
组件化输入与输出
官网列出了 40 多种组件，用于处理不同数据类型。可用组件包括图片、音频、视频、3D、Dataframe、Plot、JSON、Chatbot、Gallery、Slider、Checkbox、Code、FileExplorer、Dropdown 和 DateTime 等。组件覆盖输入、输出以及交互展示，使用者可以根据模型的数据类型选择对应界面元素。
通过 Python 快速启动
Gradio 的安装方式是执行 pip install gradio，随后运行 Python 应用文件即可启动。官网示例显示，应用会在本机地址 http://127.0.0.1:7860 上运行。页面明确说明，启动过程只需要一条安装命令和少量 Python 代码，不要求具备 JavaScript、CSS 或前端开发经验。
本地应用即时分享
运行在本地计算机上的机器学习演示可以通过 demo.launch(share=True) 创建公开链接。官网示例生成了 https://78620.gradio.app 形式的地址，用于把本地演示分享给客户或同事。该方式面向需要快速展示模型效果的场景，分享对象可以直接通过链接访问演示。
部署到 Hugging Face Spaces
官网提供了将 Gradio 应用部署到 Hugging Face Spaces 的方式，并明确写明该托管方式免费。页面同时描述了该部署形态具备持续在线、自动扩展和可通过简单 URL 分享的特点，因此应用不必一直依赖开发者本地计算机运行。
使用方式
Gradio 以 Python 代码为主要使用方式：先通过 pip 安装，再在应用文件中定义函数、配置输入输出并调用 launch()。应用可以在本机地址运行，也可以使用 share=True 生成公开链接；此外，还能部署到 Hugging Face Spaces。官网正文没有提到注册要求、自备模型 Key、命令行工具或专门的 API 使用方式，但页面示例包含 Python 函数与 gr.Interface 的调用。
适用人群与场景
机器学习开发者可以用它为模型快速制作交互式 Web 界面，减少自行编写前端代码的工作。需要验证模型原型的研究人员可以直接在 Python 中连接函数与组件，生成可操作的演示。为客户或同事展示模型的团队，可以通过公开链接分享本地运行的应用。需要长期在线展示机器学习演示的使用者，则可以选择部署到 Hugging Face Spaces。
定价
官网明确写明可以将 Gradio 应用免费部署到 Hugging Face Spaces。正文没有列出其他付费档位、使用额度或不同套餐，因此目前只能确认该部署方式的免费信息。
