multimodal-ai

🚀 完全开源的 AI 虚拟形象（数字人类）工具包，支持离线视频生成与数字人类克隆。

官方 Agnes AI 网关与模型目录，支持 OpenAI 兼容的文字、影像、影片与代理工作流程。

AI 代理的多模态生成媒体技能（Claude Code、Cursor、Gemini CLI）。由 muapi.ai 提供高质量图像、视频和音频生成

Mano-P：用于边缘设备的开源 GUI-VLA 代理程序。在 OSWorld 上排名第一（专门领域，58.2%）。可在 Apple M4 Mac mini/MacBook 上本地运行 —— 确保所有数据不出设备。Mano-P 是一个开源 GUI-VLA 项目，支持在 Mac mini/MacBook 上或通过算力棒本地运行推理，实现纯视觉驱动的跨平台 GUI 自动化操作。数据完全本地处理，支持复杂多步骤任务规划与执行。

EVA OS — 针对新一代硬件的实时多模态 AIOS，让您的设备具备“生命力”并拥有如真人般的大脑智慧。

NVIDIA 视频搜索与摘要 (VSS) AI Blueprint 是一个 GPU 加速的参考架构，用于构建具备实时验证警报、可视化问答与自动化报告功能的视频分析代理程序。VSS Blueprint 采用如 NVIDIA Cosmos 等视觉语言模型 (VLM)、如 NVIDIA Nemotron 等 LLM、RAG 以及 NVIDIA NIM。

OpenGUI 是一个用于手机端 AI 的 Android GUI 代理框架，可以通过 GUI 查看、规划并操作真实的手机应用程序。

针对 Apple Silicon 的高性能 OpenAI 与 Anthropic 兼容 LLM 推理服务器。原生支持 MLX、连续批处理、多模态模型、MCP 工具调用以及 Claude Code。

包含 155 种以上 VLM/MLLM 架构的精选视觉化目录：包含论文、图表、训练配方、数据集，以及多模态 AI 代理的发布时间轴。

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。

您的开放式自主 Android 代理 — 一款由本地/远程 LLM 驱动且具备无障碍屏幕自动化功能的生产就绪型自我规划 AI 助理。

结合向量搜索与 LLM 的多模态 AI、RAG 与 Agent 资源、示例与教程

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