multimodal

Pare de alugar sua inteligência. Seja dono dela com o AnythingLLM. Tudo o que você precisa para uma poderosa experiência de agente local-first

Repositório oficial do livro "Deep Dive into AI Agents: Design Principles and Engineering Practices" (por Bojie Li): texto completo do livro, PDF compilado e código complementar por capítulo

A pilha de agentes de IA multimodal de código aberto: Conectando modelos de IA de ponta e infraestrutura de agentes

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) desenvolvido para alcançar recursos do nível do GPT-4V e além.

Pré-treinamento autossupervisionado em larga escala entre tarefas, idiomas e modalidades

☁️ Construa aplicações de IA multimodal com uma pilha nativa da nuvem

YC (S26) | Open Computer History | Grave sua tela continuamente de forma local e forneça contexto aos seus agentes (Claude, Codex, Openclaw, Hermes, Runner...)

Série Janus: Modelos unificados de compreensão e geração multimodal.

Use PEFT ou Full-parameter para CPT/SFT/DPO/GRPO em mais de 600 LLMs (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e mais de 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025).

Visualize, consulte e transmita dados para treinar robótica multimodal.

Prática de desenvolvimento de aplicações com LLMs: Guia completo de tecnologia RAG, leitura online: https://datawhalechina.github.io/all-in-rag/

Kit de ferramentas pronto para produção para executar IA localmente.

Uma biblioteca Python para detecção de anomalias em dados tabulares, séries temporais, grafos, texto, imagem e áudio. Mais de 60 detectores, orquestração ADEngine baseada em benchmarks e um fluxo de trabalho agente para agentes de IA.

O fim do parsing web. O início da busca nativa de pixels escalável. link: https://pixelrag.ai/

SeaTunnel é uma ferramenta de integração de dados massivos, distribuída, de alto desempenho e multimodal.

Deeplake é um runtime de dados de IA para agentes. Oferece postgres serverless com um datalake multimodal, permitindo recuperação e treinamento escaláveis

Mobile-Agent: A poderosa família de agentes de GUI

A maneira mais fácil de servir aplicativos e modelos de IA - Crie APIs de inferência de modelos, filas de tarefas, aplicativos de LLM, pipelines multimodelo e muito mais!

Uma biblioteca de text-to-speech (TTS), speech-to-text (STT) e speech-to-speech (STS) construída sobre o framework MLX da Apple, oferecendo análise de fala eficiente em Apple Silicon.

Este repositório é uma coleção curada de links para vários cursos e recursos sobre Inteligência Artificial (IA).

Um framework para inferência eficiente de modelos com modelos de omnimodalidade

Framework de código aberto para criar aplicativos baseados em agentes em JavaScript, Go, Dart e Python, construído e utilizado em produção pelo Google

Notas para engenheiros de software se atualizarem sobre novos desenvolvimentos em IA. Serve como armazenamento de dados para os textos de https://latent.space e brainstorming de produtos, com referências canônicas organizadas na pasta /Resources.

Resolver compreensão visual com VLMs reforçados.

Um ambiente visual para fluxos de trabalho baseados em agentes: Itere sobre seus agentes 10x mais rápido

Motor de dados de alto desempenho para IA e cargas de trabalho multimodais. Processe imagens, áudio, vídeo e dados estruturados em qualquer escala.

Um framework MCP low-code para construir pipelines de RAG complexos e inovadores.

Um framework modular para pesquisa multimodal de visão e linguagem do Facebook AI Research (FAIR)

Um motor de treinamento de próxima geração construído para modelos MoE ultra-grandes

Align Anything: Treinamento de modelos multimodais com feedback