站内搜索「视觉」共 80 条结果

推荐源码
Open-LLM-VTuber - 开源语音交互 AI 虚拟伴侣,Live2D 形象+完全离线开源语音交互 AI 虚拟伴侣,13.5K Stars。支持实时语音对话、视觉感知、Live2D 形象,桌面宠物模式可完全离线运行
2个月前

推荐MacOS
mlx-engine - LM Studio官方MLX推理引擎(多轮缓存+批量读图)LM Studio跑MLX模型的官方引擎:多轮对话缓存命中秒回、同图追问只算一次视觉编码。99%的人不用装(LM Studio自带),自建MLX服务的值得抄它的缓存设计。
1个月前

推荐模型
Google Gemma 4 12B - 无编码器多模态大模型Google DeepMind 开源多模态模型,11.95B参数支持文本+图像+音频,256K上下文,原生函数调用,Apache 2.0免费商用
5个月前

推荐程序员
agentic-video-editor - 多 Agent 协作的 AI 视频自动剪辑工具基于 Google Gemini + FFmpeg,通过 Director/Editor/Reviewer 多 Agent 流水线,将原始素材和创意简报自动剪辑成精品广告,支持 YAML 管道配置与风格模板
6个月前

推荐模型
Kimi 开源 K2.6:1万亿参数 MoE,长程编码与 Agent Swarm 能力行业领先Moonshot AI 开源 Kimi K2.6,1万亿参数 MoE(激活32B),原生多模态。在 SWE-Bench Pro、长程编码、Agent Swarm 等关键指标上超越 Claude Opus 4.6 和 GPT-5.4。开源模型做到这个水平,闭源阵营的压力来了。
6个月前

推荐模型
Gemma 4 31B Uncensored MAX — BF16 全精度 MLX 去审查模型prithivMLmods 出品的 Gemma 4 31B 全精度(BF16)去审查版,无量化损失,mlx-vlm 原生支持
6个月前

推荐模型
SD.Next - 接替 A1111 的全能 AI 生成 WebUI支持 Stable Diffusion、SDXL、SD3、FLUX 及视频生成,内置量化引擎与自动调优,跨平台开箱即用
6个月前

推荐模型
claude-real-video — 让LLM真正看视频场景感知关键帧提取+音频转写,不是固定采样,快剪不漏、静态不重复,本地处理,支持YouTube/Instagram/TikTok链接和本地文件
4个月前











