PyPI
Blaizzy/mlx-vlm
MLX-VLM is a package for inference and fine-tuning of Vision Language Models (VLMs) on your Mac using MLX.
MIT2026年8月28日 · 指标 2.10.0
全部标签
目录标签
#vision-language-model
公开记录中带有此标签的全部仓库——标签来自其 GitHub 主题或软件包注册表发布的关键词。健康度量遵循与记录其余部分相同的版本化方法论。
8 条记录
PyPI
waybarrios/vllm-mlx
High-performance OpenAI and Anthropic compatible LLM inference server for Apple Silicon. Native MLX, continuous batching, multimodal models, MCP tool calling, and Claude Code support.
Apache-2.02026年10月20日 · 指标 2.10.0
PyPI
CVHub520/X-AnyLabeling
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, and multimodal data, combining versatile built-in tools with state-of-the-art AI models and flexible multi-format export.
GPL-3.02026年10月15日 · 指标 2.10.0
PyPI
queelius/muse
Model-agnostic multi-modality generation server with plugin discovery: OpenAI-compatible TTS, embeddings, and image generation. Drop a Python file in ~/.muse/models/ to add a backend.
Apache-2.02026年9月16日 · 指标 2.10.0
PyPI
Edgaras0x4E/paddleocr-pdf-api
A self-hosted PDF OCR API that converts scanned documents to markdown. Powered by PaddleOCR-VL, runs on GPU via Docker.
无许可证2026年9月19日 · 指标 2.10.0
Go
hekmon/subtitles-ai-ocr
Read PGS (Bluray) and VobSub (DVD) image subtitles and extract their text using external Vision Language Models.
MIT2026年10月20日 · 指标 2.10.0
PyPI
wuxuedaifu/vllm-surya-ocr
OpenAI-compatible, vLLM-served OCR API for the Surya-OCR-2 model — multilingual document OCR (layout + text recognition) with request batching, a local CLI, and Docker packaging.
MIT2026年9月19日 · 指标 2.10.0
—
mlfoundations/MINT-1T
🍃 MINT-1T: A one trillion token multimodal interleaved dataset.
无许可证2026年9月12日 · 指标 2.10.0