multimodal-ai

Boîte à outils d'avatar IA (humain numérique) véritablement open source pour la génération de vidéos hors ligne et le clonage d'humains numériques.

Passerelle IA Agnes officielle et catalogue de modèles pour les flux de travail de texte, d'image, de vidéo et d'agents compatibles avec OpenAI.

Compétences en médias génératifs multimodaux pour agents IA (Claude Code, Cursor, Gemini CLI). Génération d'images, vidéos et audio de haute qualité propulsée par muapi.ai.

Mano-P : Agent GUI-VLA open source pour appareils en périphérie. N°1 sur OSWorld. S'exécute localement sur Apple M4 Mac mini/MacBook, garantissant la confidentialité des données.

EVA OS — Un système d'exploitation IA multimodal en temps réel pour le matériel de nouvelle génération, permettant à vos appareils d'être « vivants » et aussi intelligents qu'un véritable cerveau.

Le blueprint NVIDIA AI pour la recherche et le résumé vidéo (VSS) est une architecture de référence accélérée par GPU pour créer des agents d'analyse vidéo avec des alertes vérifiées en temps réel, des questions-réponses visuelles et des rapports automatisés. Le blueprint VSS utilise des modèles de langage visuel (VLM) tels que NVIDIA Cosmos, des LLM tels que NVIDIA Nemotron, le RAG et NVIDIA NIMs.

OpenGUI est un framework d'agent GUI Android pour l'IA mobile, capable de voir, planifier et manipuler des applications réelles via l'interface graphique.

Serveur d'inférence LLM haute performance compatible OpenAI et Anthropic pour Apple Silicon. Support natif MLX, traitement par lots continu, modèles multimodaux, appel d'outils MCP et support de Claude Code.

Catalogue visuel organisé de plus de 155 architectures de modèles vision-langage (VLM/MLLM) : articles, diagrammes, recettes d'entraînement, jeux de données et chronologie des versions pour les agents IA multimodaux.

XiaoyaoSearch : comprend vos mots, lit vos images et trouve n'importe quel fichier local grâce à l'IA. Rendre la recherche aussi simple qu'une discussion.

Votre agent Android autonome et ouvert — Un assistant IA prêt pour la production, capable d'auto-planification, propulsé par des LLM locaux/distants et une automatisation d'écran basée sur l'accessibilité.

Ressources, exemples et tutoriels pour l'IA multimodale, le RAG et les agents utilisant la recherche vectorielle et les LLM

An open-weight 11B model series for long-form and real-time video understanding