multimodal-ai
Repositórios de código aberto acompanhados marcados com multimodal-ai, ordenados por estrelas.
Tópicos relacionados
Tópicos que aparecem com frequência ao lado de multimodal-ai no mesmo repositório.
Em ascensão recentemente
Repositórios criados nos últimos 90 dias e marcados com multimodal-ai.
Nenhum repositório novo marcado com este tópico nos últimos 90 dias.
- #1
🚀 Kit de ferramentas de avatar de IA (humano digital) verdadeiramente de código aberto para geração de vídeo offline e clonagem de humanos digitais.
★ 14.992+65Variação de estrelas nos últimos 7 dias - #2
Gateway oficial Agnes AI e catálogo de modelos para fluxos de trabalho de texto, imagem, vídeo e agentes compatíveis com OpenAI.
★ 5.044+28Variação de estrelas nos últimos 7 dias - #3
Habilidades de mídia generativa multimodal para agentes de IA (Claude Code, Cursor, Gemini CLI). Geração de imagem, vídeo e áudio de alta qualidade com tecnologia muapi.ai.
★ 4.205+19Variação de estrelas nos últimos 7 dias - #4
Mano-P: Agente GUI-VLA de código aberto para dispositivos de borda. #1 no OSWorld (especializado, 58,2%). Executa localmente em Apple M4 Mac mini/MacBook — nenhum dado sai do seu dispositivo.
★ 2.615+15Variação de estrelas nos últimos 7 dias - #5
EVA OS — Um sistema operacional de IA multimodal em tempo real para hardware de próxima geração, permitindo que seus dispositivos fiquem vivos e tão inteligentes quanto um cérebro real.
★ 1.869+87Variação de estrelas nos últimos 7 dias - #6
O NVIDIA AI Blueprint para pesquisa e resumo de vídeo (VSS) é uma arquitetura de referência acelerada por GPU para criar agentes de análise de vídeo com alertas verificados em tempo real, perguntas e respostas visuais e relatórios automatizados. O Blueprint VSS utiliza modelos de linguagem visual (VLMs) como o NVIDIA Cosmos, LLMs como o NVIDIA Nemotron, RAG e NVIDIA NIMs.
★ 1.840+10Variação de estrelas nos últimos 7 dias - #7
OpenGUI é um framework de agente GUI para Android voltado para IA, capaz de visualizar, planejar e operar aplicativos móveis reais através da interface gráfica.
★ 1.624+38Variação de estrelas nos últimos 7 dias - #8
Servidor de inferência LLM de alto desempenho compatível com OpenAI e Anthropic para Apple Silicon. MLX nativo, processamento contínuo, modelos multimodais, chamada de ferramentas MCP e suporte ao Claude Code.
★ 1.557+6Variação de estrelas nos últimos 7 dias - #9
Catálogo visual com curadoria de mais de 155 arquiteturas de modelos de linguagem visual (VLM/MLLM): artigos, diagramas, receitas de treinamento, conjuntos de dados e uma linha do tempo de lançamentos para agentes de IA multimodal.
★ 1.310+2Variação de estrelas nos últimos 7 dias - #10
XiaoyaoSearch: entende suas palavras, lê suas imagens e encontra qualquer arquivo local com IA. Tornando a busca tão simples quanto conversar.
★ 1.084+1Variação de estrelas nos últimos 7 dias - #11
Seu Open Autonomous Android Agent — Um assistente de IA pronto para produção e auto-planejamento, alimentado por LLMs locais/remotos e automação de tela orientada por acessibilidade.
★ 1.022+44Variação de estrelas nos últimos 7 dias - #12
Recursos, exemplos e tutoriais para IA multimodal, RAG e agentes usando busca vetorial e LLMs
★ 973-1Variação de estrelas nos últimos 7 dias - #13★ 606—Variação de estrelas nos últimos 7 dias
