multimodal-ai

🚀 Bộ công cụ AI avatar (người kỹ thuật số) mã nguồn mở thực sự dành cho việc tạo video ngoại tuyến và nhân bản người kỹ thuật số.

Cổng kết nối Agnes AI chính thức và danh mục mô hình cho các quy trình công việc văn bản, hình ảnh, video và agent tương thích với OpenAI.

Kỹ năng tạo phương tiện đa phương thức tổng quát cho AI Agent (Claude Code, Cursor, Gemini CLI). Tạo hình ảnh, video và âm thanh chất lượng cao được hỗ trợ bởi muapi.ai.

Mano-P: Tác nhân GUI-VLA mã nguồn mở dành cho thiết bị biên. Đạt hạng #1 trên OSWorld (chuyên biệt, 58.2%). Chạy cục bộ trên Apple M4 Mac mini/MacBook — không có dữ liệu nào rời khỏi thiết bị của bạn. Mano-P là dự án GUI-VLA mã nguồn mở hỗ trợ chạy suy luận cục bộ trên Mac mini/MacBook hoặc qua thanh tính năng, đạt được tự động hóa GUI đa nền tảng điều khiển bằng thị giác thuần túy. Dữ liệu được xử lý hoàn toàn cục bộ, hỗ trợ lập kế hoạch và thực thi tác vụ nhiều bước phức tạp.

EVA OS — Một AIOS đa phương thức thời gian thực cho phần cứng thế hệ tiếp theo, giúp thiết bị của bạn “sống động” và thông minh như một bộ não thực sự.

NVIDIA AI Blueprint cho tìm kiếm và tóm tắt video (VSS) là một kiến trúc tham chiếu tăng tốc bằng GPU để xây dựng các tác nhân phân tích video với cảnh báo được xác thực theo thời gian thực, hỏi đáp trực quan và báo cáo tự động. VSS Blueprint sử dụng các mô hình ngôn ngữ tầm nhìn (VLMs) như NVIDIA Cosmos, LLMs như NVIDIA Nemotron, RAG và NVIDIA NIMs.

OpenGUI là một khung tác nhân GUI Android dành cho AI sử dụng điện thoại, có khả năng nhìn, lên kế hoạch và vận hành các ứng dụng di động thực tế thông qua GUI.

Máy chủ suy luận LLM hiệu năng cao tương thích với OpenAI và Anthropic dành cho Apple Silicon. Hỗ trợ MLX native, continuous batching, các mô hình đa phương thức, gọi công cụ MCP và Claude Code.

Danh mục trực quan được tuyển chọn của hơn 155 kiến trúc mô hình ngôn ngữ thị giác (VLM/MLLM): tài liệu nghiên cứu, sơ đồ, công thức huấn luyện, tập dữ liệu và mốc thời gian phát hành cho các tác nhân AI đa phương thức.

小遥搜索，听懂你的话、看懂你的图，用AI找到本地任何文件。让搜索像聊天一样简单。XiaoyaoSearch: Hiểu lời nói của bạn, đọc hình ảnh của bạn, tìm bất kỳ tệp cục bộ nào bằng AI. Làm cho việc tìm kiếm dễ dàng như trò chuyện.

Tác nhân Android tự động mở của bạn — Trợ lý AI sẵn sàng cho môi trường sản xuất, tự lên kế hoạch, được hỗ trợ bởi LLM cục bộ/từ xa và tự động hóa màn hình dựa trên khả năng truy cập.

Tài nguyên, ví dụ và hướng dẫn cho AI đa phương thức, RAG và các tác nhân sử dụng tìm kiếm vector và LLM

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