Cosmos-Transfer1开源 – NVIDIA开发的虚拟世界生成AI模型

Aider是一个AI结对编程工具，支持多种输入形式，包括图片和语音，能够自动提交代码并抓取网页内容，为开发者提供便捷的编程辅助。

Qwen-VL是一个支持多种模态输入的高性能项目，旨在提供图像理解和生成能力，并具备灵活的API接口，适合多种应用场景。

ML-Agents是Unity官方开源的一个AI训练工具包，专门用于在3D环境中训练智能体。它支持强化学习、模仿学习等多种机器学习方法，能够在机器人控制任务中显著提升训练效率，较传统方案提升4倍。ML-Agents提供了灵活且可扩展的训练环境，支持多种机器学习框架（如TensorFlow和PyTorch），并集成了可视化工具以分析智能体行为与性能。

一个能够直接在文件字节上进行训练和测试的模型，无需在推理时对文件进行解码。

Google Gemini Pro Chat Bot是一个基于Google Gemini Pro API实现的交互工具，允许用户通过输入文本和图像与Gemini进行对话。它支持多模态提示，使用户能够更加灵活地与AI进行交流。

NVIDIA Cosmos 是一个开源平台，旨在模拟和构建物理世界的基礎模型，支持从数据整合到自定义微调的各个开发阶段。它主要用于为机器人和自动驾驶汽车创建逼真的物理环境，帮助开发者加速物理AI系统的开发。平台基于Transformer的自回归和扩散双架构模型，支持视频生成和世界模型开发，训练数据包括90万亿个token，涵盖2000万小时的自动驾驶、机器人和合成环境数据。

NVIDIA Isaac GR00T N1是全球首个开源的通用人形机器人推理与技能基础模型，支持多模态输入（语言/图像），基于大规模真实数据、合成数据和互联网视频训练，可适配不同机器人形态和任务。专为工业场景设计（如抓取/物品转移），实测任务成功率高达76.8%，提供便捷微调工具降低开发门槛。

GPT-4V(ision)是微软分析带有图像识别功能的GPT-4的论文，探讨其在多模态输入方面的能力及应用场景。通过理解图像和文本的结合，GPT-4V能够在多个领域和任务中提供支持，推动人机交互的新方式。

Veo 2是谷歌DeepMind开发的最先进视频生成模型，能够根据文本、图像或视频提示生成高质量、逼真的视频。它支持高达4K分辨率，提供多种电影和视觉风格，特别适合广告、营销、娱乐和教育等领域。Veo 2具有增强的真实性和保真度，支持复杂的摄影指令，并能模拟真实世界的物理和人类动作。此外，它与谷歌云平台Vertex AI集成，便于开发者使用。

ChatWise是一款为任何大型语言模型（LLM）提供加速的AI聊天机器人工具。它能够完全离线运行（除需外部API的LLM外），支持多模态输入，包括文本、PDF、音频和图像，并提供了文本转语音功能，支持OpenAI和ElevenLabs。

MLX-VLM 是一个专为在 Mac 上进行视觉语言模型（VLM）推理和微调而设计的 Python 包。它利用 MLX 框架，针对苹果芯片进行了优化，支持多种 VLM 模型，如 Qwen2-VL、Idefics 和 LLaVA 等。项目提供了多模态输入和微调能力，支持图像、视频和文本的组合输入，并提供了 LoRA 和 QLoRA 微调方法。

Tattoos.ai是一个利用AI技术生成、策划和定制纹身设计的平台，旨在帮助个人通过身体艺术表达风格与个性。它提供了丰富的独特创意纹身以及定制纹身选项，用户可以轻松找到符合自己风格的纹身设计。

星流AI是由LiblibAI推出的一站式AI图像生成平台，基于自研的Star-3 Alpha模型。该平台提供高精度、多样化的图像生成服务，支持写实、插画、动漫等多种风格，适用于电商、广告、设计等领域。星流AI整合了全球最大的LoRA增强模型库，具备先进的AI图像控制能力，旨在为设计师、摄影师和图像创作者提供强大的生产支持。

这是一个包含所有人工智能生成图片工具的合集开源项目，还包括了多种后期处理工具。

girafe-ai提供的机器学习课程第一学期内容，涵盖从基础算法（如kNN、线性回归）到深度学习（如Dropout、Seq2Seq）的完整知识体系。 包含每周课程视频、幻灯片、作业及截止日期，提供线性代数复习等补充材料，推荐多本经典教材作为延伸阅读。 课程由专业团队开发，包含2023年Yandex ML训练营分支内容，采用Jupyter Notebook形式组织教学资源。