#multimodal
8 个项目 Python
How to Train Heavy Multimodal Models Without a Zoo of Scripts
Tired of juggling scattered training scripts for multimodal models? lmms-engine is a modular engine that handles distributed training, sequence packing, and GPU optimizations so you can focus on config and data.
TypeScript
如何让 Claude Code 学会看视频并理解屏幕内容
一个 Claude Code 插件，可将视频转换为帧画面和时间戳文本转录，让 AI 直接在终端中分析屏幕录制和 YouTube 视频。
TypeScript
Google 如何尝试用 Genkit 为 AI 应用开发带来秩序
Firebase 团队开源了 Genkit，一个用于构建 AI 功能的框架。它能否帮助在不产生意大利面条式代码的情况下整合 Gemini、OpenAI 和 Ollama？
Python
如何构建一个真正能用的 AI Agent（不发疯版）
构建真正能用的 AI Agent 的实用指南。Bojie Li 的 ai-agent-book 代码库涵盖了从上下文工程到无需微调的自进化等一切内容。
Python
MLX-Audio — 当你的 Apple Silicon Mac 学会说话和倾听
MLX-Audio 为 Apple Silicon Mac 带来极速的 TTS、STT 和 STS 功能。基于 Apple 的 MLX 框架构建，提供 Whisper、Kokoro、语音克隆等功能——全部本地运行，无需云成本。
JavaScript
AnythingLLM - 您的个人文档处理 ChatGPT
AnythingLLM 将您的文档转化为可对话的智能知识库。支持 20+ 种 LLM、无代码智能体和多模态处理。
62,215