multimodal-ai

🚀 完全開源的 AI 虛擬形象（數位人類）工具包，支援離線影片生成與數位人類克隆。

官方 Agnes AI 閘道與模型目錄，支援 OpenAI 兼容的文字、影像、影片與代理工作流程。

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：用於邊緣裝置的開源 GUI-VLA 代理程式。在 OSWorld 上排名第一（專門領域，58.2%）。可在 Apple M4 Mac mini/MacBook 上本地運行 —— 確保所有資料不出裝置。Mano-P 是一個開源 GUI-VLA 專案，支援在 Mac mini/MacBook 上或透過算力棒本地運行推論，實現純視覺驅動的跨平台 GUI 自動化操作。資料完全本地處理，支援複雜多步驟任務規劃與執行。

EVA OS — 針對新一代硬體的即時多模態 AIOS，讓您的裝置具備「生命力」並擁有如真人般的大腦智慧。

NVIDIA 影片搜尋與摘要 (VSS) AI Blueprint 是一個 GPU 加速的參考架構，用於建構具備即時驗證警報、視覺化問答與自動化報告功能的影片分析代理程式。VSS Blueprint 採用如 NVIDIA Cosmos 等視覺語言模型 (VLM)、如 NVIDIA Nemotron 等 LLM、RAG 以及 NVIDIA NIM。

OpenGUI 是一個用於手機端 AI 的 Android GUI 代理框架，可以透過 GUI 檢視、規劃並操作真實的手機應用程式。

針對 Apple Silicon 的高效能 OpenAI 與 Anthropic 相容 LLM 推論伺服器。原生支援 MLX、連續批次處理、多模態模型、MCP 工具呼叫以及 Claude Code。

包含 155 種以上 VLM/MLLM 架構的精選視覺化目錄：包含論文、圖表、訓練配方、資料集，以及多模態 AI 代理的發布時間軸。

小遙搜索，聽懂你的話、看懂你的圖，用 AI 找到本地任何檔案。讓搜索像聊天一樣簡單。

您的開放式自主 Android 代理 — 一款由本地/遠端 LLM 驅動且具備無障礙螢幕自動化功能的生產就緒型自我規劃 AI 助理。

結合向量搜尋與 LLM 的多模態 AI、RAG 與 Agent 資源、範例與教學

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