我的看法是：有可能為成為新一代的AI開源社群，值得AI從業者關註，。
根據行業發展的規律來看，社群成為主流的關鍵因素無外乎四個，技術過硬、專業過硬、幹貨豐富和大佬雲集。
而這些幾乎都在魔搭上有所體現。
先從技術過硬這個層面來說，跳過那些導覽，最讓我印象深刻的其實是它的數據集。搞過機器學習的都知道，日常生活中個人是很難產出大量數據進行練手的，而再往深裏說一點，甚至有些新的數據集是可以發頂會的。
如果是學生，在日常的學習中也會發現，自己做的數據集其實很難做數據增強，甚至很難再增加數據集的量——有時候如果是自己獲取的數據集，還需要人工進行標註或是用訓練好的網路全部標註一遍後再手動進行微調，不管是從時間還是精力來說都比較麻煩。更何況，你自己做的數據集裏面肯定會有小樣本、影像殘缺、噪點過多這類的問題，解決起來復雜程度相當高。
而在魔搭上，這類問題被迎刃而解了。不管是文本、影像、音視訊還是多模態等等等等，它都能夠找到相應的解答。比如這個數據集，裏面就包含了成對的雜訊影像和幹凈影像，對於研究本身來說，更順暢的數據集也會大大提升效率。
個人覺得這個社群特別好上手，如果覺得還有門檻，可以看下快速入門裏的一些名詞解釋、環境安裝等細節內容。如果對AI領域的了解並不全面，可以從模型探索開始，在已有的公開模型裏面進行更深層次的學習，也能夠最高效的掌握它。
而且，在模型庫中，它還可以選擇下載單個檔或是模型中的所有相關檔，透過一個模型id即可做好本地檔的模型下載和載入使用，下次需要使用相同檔的時候，只要從緩存中載入就行，不用再重新下載，友好度拉滿。
網站的動態和社群板塊也比較有意思，它會不斷更新最新的技術進展和科研成果，方便檢視。事實上，相對於其他的論壇人，它的內容幹貨更多，而且算是簡中互聯網中為數不多的高品質幹貨社群，從這個層面來說，即便是撇開前述內容不談，它也可以被稱為簡中主流技術交流社群。
當然，我們題目說的是體驗，我特別上手試了一下。我選取的是HRNet人體關鍵點-2D進行測試——這個任務透過自頂向下的人體關鍵點監測框架，能夠更快速地推理影像中的人體關鍵點。它對日常人體姿態的適用面更廣一些，即便對於非常見的人體姿態它也能有相對好的表現。
我隨機選取一張圖測試一波：
14個點的表達都相當精準，除了部份視覺死角被遮擋之外，其他地方幾乎都做到了分毫不差。而如果使用正常行走的圖片，它的表現會更加出色。
這樣的模型其實可以延伸覆蓋到很多場景，比如說在AI體測領域，可以做到更好的動作計數，在娛樂健身場景，也能夠更好地進行動作的匹配和打分，另外，它在AI人體行為分析、人物跟蹤、視覺分析步態辨識等維度都能夠起到更好的效果。
回到問題本身，是否能成為主流社群，技術固然重要，友好度也同樣重要，魔搭雖然還「初創「，但我感覺大方向沒毛病，至於能走多遠，就看社群的營運者有多大本事了。
