#large-language-models 仓库
共 1,249 个仓库
一份精心策划的关于具身人工智能(Embodied AI)的前沿研究列表,重点关注视觉-语言-动作 (VLA) 模型、视觉-语言导航 (VLN) 以及相关的多模态学习方法。
数字虚拟形象对话系统 - Linly-Talker。😄✨ Linly-Talker是一个智能AI系统,它将大型语言模型(LLMs)与视觉模型相结合,创造了一种新颖的人机交互方法。🤝🤖 它集成了Whisper、Linly、Microsoft Speech Services和SadTalker说话头生成系统等多种技术。🌟🔬
跟随我的AI Agents Masterclass视频!我在YouTube这个系列中创建和使用的所有代码都将在此提供给您使用,甚至可以以此为基础进行构建!
[CVPR2024 Highlight][VideoChatGPT] 具备视频理解能力的 ChatGPT!还支持 miniGPT4、StableLM 和 MOSS 等更多 LM。
"Mini-Gemini: Mining the Potential of Multi-modality Vision Language Models"的官方仓库
This is an extension based on sd-webui, aimed at improving the user experience of the prompt/negative prompt input box. It has a more intuitive and powerful input interface function, and provides automatic translation, history record, and bookmarking functions. 这是一个基于 sd-webui 的扩展,旨在提高提示词/反向提示词输入框的使用体验。它拥有更直观、强大的输入界面功能,它提供了自动翻译、历史记录和收藏等功能。
GPT-5.5、Claude、DeepSeek、Gemini、Grok 的免费 LLM API 密钥 — 复制、粘贴、使用。每天更新 3-5 次。无需信用卡。
LLaMA-Omni 是一个基于 Llama-3.1-8B-Instruct 构建的低延迟、高质量的端到端语音交互模型,旨在实现 GPT-4o 级别的语音能力。
"Eureka: Human-Level Reward Design via Coding Large Language Models" (ICLR 2024) 官方仓库