Open Source
GitHub, HuggingFace의 최신 AI 오픈소스 프로젝트를 탐색하세요.
내 컴퓨터의 사진·PDF·문서·녹음·영상·코드를 파일 이름이 아니라 '담긴 내용'을 설명해서 찾는 온디바이스 멀티모달 검색 앱이다. 텍스트·이미지·오디오·비디오를 하나의 임베딩 공간에 넣는 Google DeepMind의 EmbeddingGemma 2(740M 파라미터, 100개 이상 언어)를 사용해 'zebra in a video'라고 치면 얼룩말이 나오는 영상 구간을, 'where they talk about sleep'이라고 치면 팟캐스트의 해당 분 단위 지점을 연다. 송장 번호·오류 코드 같은 정확한 문자열 매칭도 함께 지원한다. 인덱싱한 데이터는 외부로 나가지 않으며 계정·텔레메트리가 없다. macOS(Apple Silicon)·Windows·Linux를 지원하고 MIT 라이선스로 공개됐다.
OpenBMB
휴대폰에서도 돌아가는 초경량 이미지·비디오 이해 멀티모달 LLM
haotian-liu
GPT-4V 수준의 시각적 지시 조정 멀티모달 AI 모델
baidu
Baidu가 공개한 DeepSeek-OCR 계승 문서 파싱 VLM

OpenBMB
스마트폰에서 실행 가능한 멀티모달 AI 모델