Python
SGLang-Omniで音声・マルチモーダルモデルの高速推論を設定する方法
SGLang-Omniは、音声エンコーディングから音声合成までの複雑なパイプラインを処理する、音声・マルチモーダルモデルのマルチステージ推論に特化したランタイムを提供します。
#multimodal
8 プロジェクト Python
古いAndroidスマホをAI搭載のスマート監視システムに変身させる方法
Sentinelで古いAndroidスマホをAI監視システムに変身。LAN越しに動画を取得、PCに記録し、マルチモーダルニューラルネットでリアルタイムイベント認識。
Python
スクリプトの動物園なしで重いマルチモーダルモデルを訓練する方法
マルチモーダルモデルの訓練スクリプトを散らかった形で管理するのに疲れていませんか？lmms-engineは、分散訓練、シーケンスパッキング、GPU最適化を処理するモジュラーエンジンで、設定とデータに集中できます。
TypeScript
Claude Codeに動画の視聴と画面内容の理解をさせる方法
動画をフレームとタイムスタンプ付き文字起こしに変換するClaude Code用プラグイン。スクリーンキャストやYouTube動画をターミナルで直接AIに分析させることができる。
TypeScript
GenkitでGoogleがAIアプリ開発に秩序をもたらそうとする理由
FirebaseチームがAI機能構築用のフレームワーク「Genkit」をオープンソース化。Gemini、OpenAI、Ollamaをスパゲティコードなしに組み合わせられるのか？
Python
頭を悩ませずに動くAIエージェントを作る方法
実際に動作するAIエージェントを構築するための実践ガイド。Bojie Liのai-agent-bookリポジトリでは、コンテキストエンジニアリングからファインチューニングなしの自己進化までカバーしている。
Python
MLX-Audio — Apple Silicon Macに声と耳を授ける
MLX-AudioがApple Silicon Macに超高速のTTS、STT、STS機能をもたらします。AppleのMLXフレームワーク 기반으로、Whisper、Kokoro、声のクローンなどに対応し、クラウドコストなしでローカル実行。
JavaScript
AnythingLLM - ドキュメント作業用のパーソナルChatGPT
AnythingLLMは、ドキュメントをチャット可能なスマートナレッジベースに変換します。20以上のLLM、ノーコードエージェント、マルチモーダル処理に対応。
62,215