multimodal

Tree of Thoughts का प्लग-इन और प्ले कार्यान्वयन: लार्ज लैंग्वेज मॉडल्स के साथ विचारशील समस्या समाधान जो मॉडल की तर्क क्षमता को कम से कम 70% तक बढ़ाता है।

लार्ज लैंग्वेज मॉडल, AI पेंटिंग और अन्य के लिए क्यूरेटेड ट्यूटोरियल और संसाधन।

छवियों के यूआरएल के बड़े सेट को आसानी से इमेज डेटासेट में बदलें। एक मशीन पर 20 घंटों में 100M यूआरएल डाउनलोड, आकार बदल और पैकेज कर सकता है।

टेक्स्ट, इमेज, वीडियो और ऑडियो कार्यों के लिए वन-फॉर-ऑल मल्टीमॉडल मूल्यांकन टूलकिट।

Fengshenbang-LM (फेंगशेनबांग लार्ज मॉडल) IDEA रिसर्च इंस्टीट्यूट के कॉग्निटिव कंप्यूटिंग और नेचुरल लैंग्वेज रिसर्च सेंटर द्वारा नेतृत्व किया जाने वाला एक ओपन-सोर्स लार्ज मॉडल सिस्टम है, जो चीनी AIGC और कॉग्निटिव इंटेलिजेंस के लिए बुनियादी ढांचा बनता है।

MOSS‑TTS Family MOSI.AI और OpenMOSS टीम का एक ओपन‑सोर्स स्पीच और साउंड जनरेशन मॉडल परिवार है। इसे उच्च-निष्ठा, उच्च-अभिव्यक्ति और जटिल वास्तविक दुनिया के परिदृश्यों के लिए डिज़ाइन किया गया है, जिसमें स्थिर लॉन्ग-फॉर्म स्पीच, मल्टी-स्पीकर संवाद, आवाज़/कैरेक्टर डिज़ाइन, पर्यावरण ध्वनि प्रभाव और वास्तविक समय स्ट्रीमिंग TTS शामिल हैं।

OpenMMLab प्री-ट्रेनिंग टूलबॉक्स और बेंचमार्क

DeepSeek Harness के लिए पहला विजन प्लग-इन, और हर टेक्स्ट-ओनली कोडिंग एजेंट के लिए विजन ब्रिज। एक छवि पेस्ट करें, संरचित JSON साक्ष्य (OCR, लेआउट, सिमेंटिक्स) प्राप्त करें।

SimpleMem: LLM एजेंटों के लिए कुशल लाइफलांग मेमोरी — टेक्स्ट और मल्टीмодал

ओपन-सोर्स मल्टीमॉडल पुनःप्राप्ति इंजन (Morphik Core)। Morphik द्वारा — कुशल नर्सिंग और वरिष्ठ लिविंग के लिए AI बैक ऑफिस (morphik.ai)।

चेन-ऑफ़-थॉट प्रॉम्प्टिंग से लेकर OpenAI o1 और DeepSeek-R1 🍓 तक

ICML 2024 पेपर के लिए कोड और मॉडल, NExT-GPT: एनी-टू-एनी मल्टीमॉडल लार्ज लैंग्वेज मॉडल

MTEB: भाषाओं और तौर-तरीकों में एम्बेडिंग का अत्याधुनिक मूल्यांकन

InternGPT (iGPT) एक ओपन सोर्स डेमो प्लेटफॉर्म है जहाँ आप आसानी से अपने AI मॉडल प्रदर्शित कर सकते हैं। अब यह DragGAN, ChatGPT, ImageBind, GPT-4 जैसे मल्टीमॉडल चैट, SAM, इंटरैक्टिव इमेज एडिटिंग आदि को सपोर्ट करता है।

कॉलम कम्प्रेशन के लिए एक विस्तार योग्य, अत्याधुनिक फ्रेमवर्क, और सबसे तेज़ FOSS कॉलम फ़ॉर्मेट। पहले @spiraldb में, अब LFAI&Data में इनक्यूबेशन स्टेज प्रोजेक्ट, जो Linux Foundation का हिस्सा है।

(M)LLMs के लिए फाउंडेशन आर्किटेक्चर

मल्टीमॉडल डेटा का प्रतिनिधित्व करें, भेजें, स्टोर करें और खोजें

[NeurIPS 2024] OSWorld: वास्तविक कंप्यूटर वातावरण में ओपन-एंडेड कार्यों के लिए मल्टीमॉडल एजेंट्स का मूल्यांकन

🤖 OpenAI, Anthropic, Gemini, React, Vue, Svelte, और Solid पर स्ट्रीमिंग चैट, टूल कॉलिंग, एजेंटों और मल्टीमॉडल ऐप्स के लिए टाइप-सुरक्षित, प्रदाता-अज्ञेय TypeScript AI SDK।

InternLM-XComposer2.5-OmniLive: लॉन्ग-टर्म स्ट्रीमिंग वीडियो और ऑडियो इंटरैक्शन के लिए एक व्यापक मल्टीमॉडल सिस्टम

असंरचित डेटा के लिए संदर्भ परत (Context Layer): S3, GCS, Azure पर टाइप्ड, वर्شन्ड डेटासेट

आसानी से clip एम्बेडिंग की गणना करें और उनके साथ एक clip पुनर्प्राप्ति प्रणाली बनाएं

बिना लेबलिंग के अनुमान लगाने के लिए छवियां (सुपरवाइज्ड मॉडल को प्रशिक्षित करने के लिए फाउंडेशन मॉडल का उपयोग करें)।

मल्टीमॉडल मॉडल के लिए फ़ाइन-ट्यूनिंग प्रक्रिया को सुव्यवस्थित करें: PaliGemma 2, Florence-2, और Qwen2.5-VL

[EMNLP-2024] तेज़ प्रोटोटाइप और प्रोडक्शन के लिए मल्टीमॉडल लैंग्वेज एजेंट बनाएं

Generative AI पर व्यापक संसाधन, जिसमें एक विस्तृत रोडमैप, प्रोजेक्ट्स, उपयोग के मामले, साक्षात्कार की तैयारी और कोडिंग की तैयारी शामिल है।

OFA (ICML 2022) की आधिकारिक रिपॉजिटरी। पेपर: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework

mPLUG-Owl: शक्तिशाली मल्टी-मोडल लार्ज लैंग्वेज मॉडल परिवार

HuixiangDou: LLM-आधारित तकनीकी सहायता के साथ ग्रुप चैट परिदृश्यों पर काबू पाना

(ෆ`꒳´ෆ) Text-to-Image जनरेशन/सिंथेसिस पर एक सर्वेक्षण।