JucieOvo / Frame-by-frame-AI-parser_by_JucieOvoLinks
在人工智能时代，AI凭借其强大的任务处理能力，逐渐成为不同岗位工作人员手中的得力工具。但对于视频解析的AI因为种种原因，效果并不理想 本项目是用Python制作的一个能够调用qwen-vl的程序，通过ffmpeg对视频逐帧切分后调用qwen-vl实现对视频的解析
☆29Updated last week
Alternatives and similar repositories for Frame-by-frame-AI-parser_by_JucieOvo
Users that are interested in Frame-by-frame-AI-parser_by_JucieOvo are comparing it to the libraries listed below
Sorting:
- 一个基于多模态向量模型及视觉多模态模型构建的图片搜索引擎&管理系统，实现精准的以文搜文，文搜图、以图搜图多种智能检索方式。An image search engine management system built upon multimodal vector models…☆65Updated last month
- DeepParseX 是一个强大的多模态文档解析与知识管理平台，支持 PDF、Word、Excel、PPT、图片、视频、音频 等多种文件格式的智能解析，自动提取关键信息，并构建 检索增强生成（RAG） 和 知识图谱（Knowledge Graph） 系统，实现结构化数据的智…☆30Updated this week
- 本项目借助飞桨平台，构建起一套创新的多模型协同系统，实现 PDF 文件到 Markdown 文件的高效、精准转换。☆27Updated 7 months ago
- 基于Linly-Talker数字人改版的教育系统，包含网课总结、数字人对话、Chatbot对话，项目可在autodl部署☆34Updated last year
- 数字人授课录制系统——全新的微课视频的生成方案——API☆66Updated 9 months ago
- 基于SenseVoice的funasr版本进行的api发布，可以无缝对接oneapi☆83Updated last year
- 视频理解：千问视频多模态模型 & Dify☆65Updated last year
- virtualwife-llm-factory 是一个llm训练框架，用于解决虚拟角色训练入门门槛高的问题，该框架具备自动生成语料，性格塑造评估，基于国产llm微调训练等核心能力，目前还在开发，可以点个star~ 关注一下☆50Updated 4 months ago
- Text2Neo4j 是一个遍历文档、从文本中提取关系并将其保存到 Neo4j 数据库中以形成知识图谱的工具。本项目结合了 Dify 和 LLaMA3.1（8B 模型）来高效处理和提取复杂关系。☆23Updated last year
- DramaCraft 是一个专业的短剧视频编辑 MCP (Model Context Protocol) 服务，集成国产中文大模型 API，实现剪映的智能自动化编辑功能。项目已完成从视频分析到草稿生成的完整解决方案☆19Updated 3 months ago
- 基于 KouriChat 的 Dify 集成情感陪伴机器人，支持微信，增强 AI 交互。☆32Updated 7 months ago
- A book room based Agent | 智能书库☆55Updated 6 months ago
- Unsloth框架在Windows平台微调训练Qwen2大模型 ，非WSL☆61Updated last year
- 小智机器人服务端☆18Updated 7 months ago
- 思通数科 AI视频监控系统，将传统摄像头完全变成AI摄像头，完全免费&代码开源。支持本地化部署docker一键安装。☆22Updated 2 months ago
- 如何让 dify工作流的 code 节点拿到图片的信息☆28Updated 8 months ago
- 数字人授课录制系统——全新的微课视频的生成方案——UI☆37Updated 9 months ago
- 一个开源的多角色、多情绪 AI 配音生成平台，支持小说、剧本、视频等内容的自动配音与导出。☆160Updated 2 weeks ago
- ☆180Updated 8 months ago
- mcp的webui界面，支持客户端连接多个sse服务端，支持 openai、deepseek、qwen等大模型，另外附上构建的 agent的 stdio和sse的简单 天气查询的完整示例☆36Updated 5 months ago
- 基于youtube、bilibili等视频平台、webpage网页等，利用零一万物大模型或ollama本地小模型构建大语言模型高质量训练数据集（计划支持可自定义输出的训练数据格式）☆19Updated last year
- ☆18Updated 6 months ago
- GOT-OCR的GUI版本，提供OCR、导出PDF、批处理等功能，但不提供训练功能☆182Updated 2 weeks ago
- Dive into LLM Agents☆18Updated last year
- VideoFinder is an advanced video analysis tool powered by multimodal AI, designed to help users easily locate and identify specific objec…☆164Updated 11 months ago
- Convert files into markdown to help RAG or LLM understand, based on markitdown and MinerU, which could provide high quality pdf parser.☆128Updated 7 months ago
- An open-source chat text to control actions agentic workflow framework/showcase powered by Agently AI application development framework.☆28Updated last year
- GraphRAG-Ollama-UI + GraphRAG4OpenWebUI 融合版（有gradio webui配置生成RAG索引，有fastapi提供RAG API服务）☆104Updated last year
- 阿里SenseVoice的fastpi封装，采用onnx发布，体积更小，附带量化模型，支持GPU。支持从URL文件进行语音识别。☆103Updated last year
- ☆49Updated last year