我的看法是：有可能为成为新一代的AI开源社区，值得AI从业者关注，。
根据行业发展的规律来看，社区成为主流的关键因素无外乎四个，技术过硬、专业过硬、干货丰富和大佬云集。
而这些几乎都在魔搭上有所体现。
先从技术过硬这个层面来说，跳过那些导览，最让我印象深刻的其实是它的数据集。搞过机器学习的都知道，日常生活中个人是很难产出大量数据进行练手的，而再往深里说一点，甚至有些新的数据集是可以发顶会的。
如果是学生，在日常的学习中也会发现，自己做的数据集其实很难做数据增强，甚至很难再增加数据集的量——有时候如果是自己获取的数据集，还需要人工进行标注或是用训练好的网络全部标注一遍后再手动进行微调，不管是从时间还是精力来说都比较麻烦。更何况，你自己做的数据集里面肯定会有小样本、图像残缺、噪点过多这类的问题，解决起来复杂程度相当高。
而在魔搭上，这类问题被迎刃而解了。不管是文本、图像、音视频还是多模态等等等等，它都能够找到相应的解答。比如这个数据集，里面就包含了成对的噪声图像和干净图像，对于研究本身来说，更顺畅的数据集也会大大提升效率。
个人觉得这个社区特别好上手，如果觉得还有门槛，可以看下快速入门里的一些名词解释、环境安装等细节内容。如果对AI领域的了解并不全面，可以从模型探索开始，在已有的公开模型里面进行更深层次的学习，也能够最高效的掌握它。
而且，在模型库中，它还可以选择下载单个文件或是模型中的所有相关文件，通过一个模型id即可做好本地文件的模型下载和加载使用，下次需要使用相同文件的时候，只要从缓存中加载就行，不用再重新下载，友好度拉满。
网站的动态和社区板块也比较有意思，它会不断更新最新的技术进展和科研成果，方便查看。事实上，相对于其他的论坛人，它的内容干货更多，而且算是简中互联网中为数不多的高质量干货社区，从这个层面来说，即便是撇开前述内容不谈，它也可以被称为简中主流技术交流社区。
当然，我们题目说的是体验，我特别上手试了一下。我选取的是HRNet人体关键点-2D进行测试——这个任务通过自顶向下的人体关键点监测框架，能够更快速地推理图像中的人体关键点。它对日常人体姿态的适用面更广一些，即便对于非常见的人体姿态它也能有相对好的表现。
我随机选取一张图测试一波：
14个点的表达都相当精准，除了部分视觉死角被遮挡之外，其他地方几乎都做到了分毫不差。而如果使用正常行走的图片，它的表现会更加出色。
这样的模型其实可以延伸覆盖到很多场景，比如说在AI体测领域，可以做到更好的动作计数，在娱乐健身场景，也能够更好地进行动作的匹配和打分，另外，它在AI人体行为分析、人物跟踪、视觉分析步态识别等维度都能够起到更好的效果。
回到问题本身，是否能成为主流社区，技术固然重要，友好度也同样重要，魔搭虽然还「初创「，但我感觉大方向没毛病，至于能走多远，就看社区的运营者有多大本事了。
