vlm

全网最全、持续更新且最热门的 100+ 人格蒸馏技能合集｜多 Agent 系统｜名人/导演/天涯大神/古籍/二次元/职场/情感全品类。

具备一体化特性的具身智能 VLA 工程平台——从数据到真实机器人部署。

MiMo-VL

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

🤗 Optimum Intel：利用 Intel 优化工具加速推理

ScreenAgent：由视觉语言大模型驱动的电脑控制代理（IJCAI-24）

赋予应用程序智慧：直接整合 llama.cpp 以利用硬件加速进行本地推理的 Go 应用程序

RAI 是一个用于物理 AI 机器人的供应商无关代理框架，利用 ROS 2 工具执行复杂动作、定义场景、自由接口执行、日志摘要、语音交互等。

用于视觉语言模型的 ComfyUI 节点：Qwen3-VL、Moondream 3、Florence-2、SmolVLM2、InternVL、Gemma 3、MiniCPM-V。另支持开放词汇检测、SAM2/SAM3 分割、视频时序推理、通过 llama.cpp 的 GGUF 以及托管式 LLM/VLM API。

受 Quartz Composer 启发的 Node 创意编码 / 3D / 图像处理工具

Flame 是一个开源的多模态 AI 系统，旨在将 UI 设计稿转换为高质量的 React 代码。它利用视觉语言模型、自动化数据合成与结构化训练工作流程，缩短设计与前端开发之间的差距。

将 reMarkable2 作为视觉 LLM（ChatGPT、Claude、Gemini）的接口。机器中的幽灵！

A high-performance framework for training LLMs, VLMs, diffusion, and embodied models on NVIDIA GPUs and Kunlun XPUs.

供 VLM 使用的各类产业特定架构中心。

精选多模态建模资源 [涵盖 MLLM、UMM 与 NMM]

精选的具身智能 (Embodied AI) 相关研究与产业资源列表

此仓库列出了一些优秀的 CUDA、cuda-python、cuBLAS、cuDNN、CUTLASS、TensorRT、TensorRT-LLM、Triton、TVM、MLIR、PTX 与高性能计算 (HPC) 项目。

Clip any video into a narration recap with claude code skill｜用 claude code skill 把任何视频剪辑成中文解说视频，支持剪映导出