Logo
Project Icon

OpenAdapt

具有大型多模态模型 （LMM） 的 AI 优先流程自动化

OpenAdaptAI-First Process AutomationLarge Multimodal ModelsGUI AutomationPythonGithub开源项目

OpenAdapt项目利用大型多模态模型（LMMs）实现与桌面和网页图形用户界面的无缝集成。这个开源Python库通过录制和分析用户操作，自动生成任务提示并执行任务回放，减少重复性工作，提高效率。项目特点包括模型无关性、自动提示生成和广泛的系统兼容性，支持所有类型的GUI，包括虚拟化和网页。项目遵守MIT开源许可证。了解更多关于安装、使用和贡献的信息，并加入开发者社区优化流程自动化技术。

访问官网访问官网GithubGithub文档文档
介绍相关项目
openui - 灵活快速构建UI组件，兼容多种AI模型
API密钥DockerGithubLLMOpenUIUI组件开源项目
OpenUI简化了UI组件的构建，支持实时渲染和多框架转换（如React、Svelte）。兼容OpenAI、Groq等多种模型，并支持本地与Docker运行，适用于各种开发环境。
chameleon - 多模态早期融合基础模型的开源实现
AI研究GithubMeta Chameleon可视化工具多模态模型开源项目模型推理
Chameleon是Meta AI开发的多模态早期融合基础模型。项目提供GPU推理实现、浏览器端多模态输入输出查看工具和评估提示。开源内容包括模型代码、权重和数据集，支持多模态AI技术研究与应用。Chameleon能够在文本、图像等多种模态间实现高效融合和理解。
Multimodal-GPT - 整合视觉与语言功能的多模态对话机器人
GithubOpenFlamingo多模态GPT开源项目联合训练视觉指令语言模型
Multimodal-GPT是一个基于OpenFlamingo多模态模型的项目，通过结合视觉指令和语言指令数据的联合训练，有效提升模型性能。该项目支持VQA、图像描述、视觉推理、文本OCR和视觉对话等多种数据类型，并利用LoRA进行参数高效的微调。探索Multimodal-GPT的广泛应用可能性。
OpenAssistantGPT - 使用 OpenAI 的API构建聊天机器人助手
AI聊天机器人GithubOpenAIOpenAssistantGPT开源平台开源项目集成
OpenAssistantGPT，一个开源平台，助力开发者通过OpenAI Assistant轻松构建聊天机器人。特点包括成本效益高、易于网站集成，并提供直接通过OpenAI计费的透明方式。为希望在网站上集成AI聊天功能的开发者设计。详细信息及实施指导，请参见官网。
Otter - 基于MIMIC-IT数据集和OpenFlamingo的多模态模型
GithubMIMIC-ITOtter多模态开源项目指令微调视觉语言处理
该项目结合了OpenFlamingo模型和MIMIC-IT数据集进行多模态指令调优，拥有280万条指令-响应对，支持图像和视频内容的精确理解与互动。该项目还包括OtterHD模型，提升高分辨率视觉输入的细粒度解释，并推出MagnifierBench评估基准测试模型的微小物体识别能力。公开的代码可用于训练和预训练，并支持GPT4V的评估和Flamingo架构的多任务处理。
OpenGPT - 综合AI技术平台与创新社区
AI工具AI绘图ChatGPTGPTsOpenAI人工智能
OpenGPT是一个集成多种AI功能的综合平台，提供Prompts商店、GPTs商店、OpenChat对话系统、OpenDraw创意工具和Open Video视频处理功能。平台集成了Gemini Pro、ChatGPT4、DALL.E.3和Imagen2等先进AI技术。作为一个开放的AI社区，OpenGPT鼓励GPTs提交，用户可以参与技术交流，并有机会免费使用这些AI服务。OpenGPT旨在构建一个多元化的AI生态系统，为AI领域的探索和应用提供广阔空间，促进AI技术的交流与创新。
ScreenAgent - 由视觉语言大模型驱动的电脑控制工具
GithubIJCAI 2024ScreenAgentVLM Agent开源项目数据集自动控制
ScreenAgent项目创建了一个由视觉语言模型驱动的电脑控制环境，允许代理通过截图与真实屏幕互动并操作GUI。自动控制流程分为规划、执行和反思三个阶段，使代理能够完成多步骤任务。项目包含丰富的截图和操作序列数据集，支持包括GPT-4V、LLaVA-1.5、CogAgent和ScreenAgent在内的多种模型，并提供简化体验的网页版客户端。
OpenDialog - 针对受监管行业的生成式AI对话自动化平台
AI工具OpenDialog对话式AI生成式AI监管行业自动化
OpenDialog是一款面向受监管行业的对话式AI自动化平台。它利用先进的生成式AI和大型语言模型，可实现高达90%的交互自动化。该平台为医疗保健和保险等行业提供现成解决方案，确保数据安全、决策可解释和输出控制。OpenDialog支持多语言和全天候服务，通过多种渠道提供流畅的用户体验。
OpenML-Guide - 开源AI知识和资源的全方位指南
AIGithubOpenML Guide开源开源项目机器学习深度学习
Open DeepLearning为AI学习者提供免费、高质量的课程、书籍、教程和研究论文，涵盖从基础到高级的概念，助力掌握最新的AI技术。无论是初学者还是专家，该开源项目旨在通过明确的学习路径简化学习过程。用户还可以通过GitHub、Discord和Twitter参与社区互动，贡献内容、改进资源和提出建议，提升学习效果。
ai_webui - AI-WEBUI 多功能图像音频视频处理平台
AI-WEBUIAI创作平台Github图像处理开源项目视频处理音频处理
AI-WEBUI是一个开源的通用AI创作平台，集成图像分割、物体追踪、语音识别等基础功能，以及聊天机器人、视频翻译等高级功能。支持ChatGLM2、SAM和Whisper等多种AI模型，可显著提高短视频创作效率。通过简单的界面操作，用户能轻松完成复杂AI任务，适合个人和专业用户使用。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号