搜索结果：multimodal（13 个）
按分类缩小范围
YuE
综合 80
前沿音乐生成模型，支持符号规划、零样本翻唱与 Agent 式音乐编辑。
haystack
综合 78
开源 AI 编排框架，用于构建上下文工程化的生产级 LLM 应用，支持模块化流水线、Agent 工作流与检索路由控制。
ms-swift
综合 73
支持用 PEFT 或全参数微调（CPT/SFT/DPO/GRPO）600+ 款 LLM 与 300+ 款多模态大模型。
Speech
综合 72
NVIDIA 的生成式 AI 框架，专为大语言模型、多模态及语音 AI（ASR 与 TTS）研究与开发打造。
seatunnel
综合 70
SeaTunnel 是一个多模态、高性能、分布式的海量数据集成工具。
unilm
综合 69
微软开源的大规模自监督预训练研究项目，跨越多种任务、语言和模态。
screenpipe
综合 69
持续记录电脑屏幕工作轨迹以梳理工作流，并为 AI Agent 提供上下文背景记忆。
X-AnyLabeling
综合 69
轻量高效的跨平台桌面标注工具，支持文本、图像、视频、点云等多模态数据标注。
all-in-rag
综合 68
大模型应用开发实战：RAG 技术全栈指南，提供在线阅读教程。
ai-agent-book
综合 66
《深入理解 AI Agent：设计原理与工程实践》开源主仓库，包含全书正文、编译版 PDF 与配套代码。
PixelRAG
综合 66
告别网页解析，开启可扩展的像素原生搜索新时代。
sglang
综合 47
面向大语言模型（LLM）与多模态模型的高性能推理服务框架。
涵盖文本、视觉、音频及多模态的前沿机器学习模型框架，支持推理与训练。