multimodal

内置RAG、AI智能体、无代码智能体构建器、MCP兼容等功能的桌面与Docker一体化AI应用

开源多模态AI智能体堆栈，连接尖端AI模型与智能体基础设施

screenpipe将您的电脑转变为个人AI助手，它能知晓您的一切操作。记录、搜索、自动化，全部本地运行，完全私密，尽在您掌控。

使用PEFT或全参数方法对500余个大语言模型和200余个多模态大语言模型进行CPT/SFT/DPO/GRPO训练

🚀 真正开源的 AI 数字人工具包，支持离线视频生成与数字人克隆

LAVIS——语言视觉智能一站式算法库

可视化多模态数据流。免费、快速、易用且易于集成。基于Rust构建。

可在本地运行AI的生产就绪工具包

SeaTunnel是多模态、高性能、分布式海量数据集成工具

🔍大模型应用开发实战一：RAG技术全栈指南，在线阅读地址：https://datawhalechina.github.io/all-in-rag/

Mobile-Agent：强大的GUI智能体家族

FinRobot：基于大语言模型的金融分析开源AI智能体平台🚀 🚀 🚀

可在本地运行AI的生产就绪工具包

一个基于苹果MLX框架构建的文本转语音、语音转文本及语音转语音库，可在Apple Silicon芯片上实现高效语音分析。

成为顶尖的人工智能与机器学习研究工程师

分布式查询引擎，为任何模态和规模的数据处理提供简单可靠的解决方案

UltraRAG v3：一个用于构建复杂创新RAG管道的低代码MCP框架

一个面向全模态模型的高效推理框架。

可扩展的尖端列式文件格式。原属@spiraldb项目，现为Linux基金会托管项目

MOSS‑TTS 系列是由 MOSI.AI 与 OpenMOSS 团队开发的开源语音与声音生成模型系列。

HunyuanImage-3.0：一个强大的原生多模态图像生成模型

设备端实时多模态AI。与完全运行在您本机上的AI进行自然的语音和视觉对话，由Gemma 4 E2B和Kokoro驱动。

🎨 NeMo数据设计器：从零开始或基于种子数据生成高质量合成数据

暂无项目描述