vlm

全網最全、持續更新且最熱門的 100+ 人格蒸餾技能合集｜多 Agent 系統｜名人/導演/天涯大神/古籍/二次元/職場/情感全品類。

具備一體化特性的具身智慧 VLA 工程平台——從資料到真實機器人部署。

MiMo-VL

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

🤗 Optimum Intel：利用 Intel 優化工具加速推論

ScreenAgent：由視覺語言大模型驅動的電腦控制代理（IJCAI-24）

賦予應用程式智慧：直接整合 llama.cpp 以利用硬體加速進行本地推論的 Go 應用程式

RAI 是一個用於物理 AI 機器人的供應商無關代理框架，利用 ROS 2 工具執行複雜動作、定義場景、自由介面執行、日誌摘要、語音互動等。

用於視覺語言模型的 ComfyUI 節點：Qwen3-VL、Moondream 3、Florence-2、SmolVLM2、InternVL、Gemma 3、MiniCPM-V。另支援開放詞彙檢測、SAM2/SAM3 分割、影片時序推理、透過 llama.cpp 的 GGUF 以及託管式 LLM/VLM API。

受 Quartz Composer 啟發的 Node 創意編碼 / 3D / 影像處理工具

Flame 是一個開源的多模態 AI 系統，旨在將 UI 設計稿轉換為高品質的 React 程式碼。它利用視覺語言模型、自動化資料合成與結構化訓練工作流程，縮短設計與前端開發之間的差距。

將 reMarkable2 作為視覺 LLM（ChatGPT、Claude、Gemini）的介面。機器中的幽靈！

供 VLM 使用的各類產業特定架構中心。

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

精選多模態建模資源 [涵蓋 MLLM、UMM 與 NMM]

精選的具身智慧 (Embodied AI) 相關研究與產業資源列表

此儲存庫列出了一些優秀的 CUDA、cuda-python、cuBLAS、cuDNN、CUTLASS、TensorRT、TensorRT-LLM、Triton、TVM、MLIR、PTX 與高效能運算 (HPC) 專案。

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