dromara/wgai

开箱即用的JAVA AI 图片、视频语音识别&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、开门关门、常用类物识别等) 图片和视频识别 可自主 融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用 避免占用内存、GPU消耗训练与识别分开使用;

解決する課題

WGAIは、産業グレードのマルチモーダルAI向けに「すぐに使える」ソリューションを提供する包括的なAI管理プラットフォームです。コンピュータビジョン、音声認識、ロボットナビゲーションといった多様なAI機能を、オフライン対応の単一システム内でデプロイおよび管理する複雑さを解消します。

仕組み

このプラットフォームは、OpenCV、YOLO、OCR、ChatGPTなどの複数のAIカーネルを統合し、フルスタックのサーバーアーキテクチャを提供します。トレーニングと認識を分離するデカップリングアーキテクチャを採用することで、メモリやGPUの過剰な消費を防ぎ、効率的なオフラインデプロイメントを実現します。

対象ユーザー

オフラインデプロイメント、リアルタイム映像解析、AGV（無人搬送車）ナビゲーションなどを必要とする、マルチモーダルAIタスクのための集中管理プラットフォームを求める産業ユーザーや開発者を主な対象としています。

主な特徴

  • マルチモーダル統合: 視覚（YOLO、OpenCV、OCR、顔認識）、音声（音声認識）、テキスト（ChatGPT）を一つのプラットフォームに統合。
  • 産業用ロボットのサポート: AGVの自動ナビゲーション、地図スキャン、経路計画、障害物回避機能を搭載。
  • エンドツーエンドのワークフロー: オンラインでのデータラベリング、モデルトレーニング、リアルタイムの結果評価をサポート。
  • リアルタイム監視: 映像解析アラート、システムリソース監視（CPU/JVM/Redis）、アラームメッセージのサブスクリプション機能を提供。

関連

  • プロジェクト
    open-webui/open-webui

    Open WebUI は、任意のOpenAI互換APIおよびローカルのOllamaモデルと連携できるオープンソースで自己ホスト可能なLLM用Webインターフェースです。チャット、ノート、チャンネル、カレンダー、音声/動画通話、画像生成などの豊富なUI、拡張可能なプラグインシステム、RBAC、マルチモデル対応、組み込みRAG（ベクトルDB、ウェブ検索）、エージェントがコードを実行できる「Open Terminal」、およびLDAP/SSO、SCIMプロビジョニング、オブザーバビリティなどのエンタープライズ機能を提供します。pip、Docker（CPU/GPU、バンドルOllama）、Kubernetesでインストール可能。エコシステムにはデスクトップアプリ、モバイル最適化のコーディングエージェント、外部知識ベースの同期ツールが含まれます。

  • プロジェクト
    modstart-lib/aigcpanel

    AIGCPanel は、クロスプラットフォームのデスクトップアプリ（Electron + Vue 3）で、デジタル人間動画、マルチモデルTTS/ボイスクローン、音声認識、25以上のオーディオ・ビデオユーティリティをバンドルしたツールです。視覚的なドラッグアンドドロップワークフローエディタとライブストリームコメント自動化（VIP版）を提供し、スクリプト用CLIも搭載。モデルは内蔵マーケットからインストールでき、すべてローカルで実行可能またはリモート/クラウドサービスに接続可能です。

  • プロジェクト
    AGenUI/AGenUI

    AGenUIは、大規模言語モデルがUI記述（A2UI JSON）をネイティブのiOS、Android、HarmonyOSアプリにストリーミングできるようにするオープンソースSDKです。共有のC++コアがデータを解析し、仮想コンポーネントツリーの差分を計算してネイティブビューをリアルタイムで更新することで、スムーズ（≈120 fps）なインタラクティブ体験を提供します。22個の組み込みコンポーネント、カスタムコンポーネントAPI、関数呼び出し統合、および自然言語プロンプトを有効なUI JSONに変換するためのすぐに使えるスキル/スタジオが付属しています。

  • プロジェクト
    itwanger/PaiAgent

    PaiAgentは、ドラッグアンドドロップノードで視覚的にAIワークフローを構成できるオープンソースで企業向けのプラットフォームです。Spring AIを介して複数の大規模モデルプロバイダーをサポートし、古典的なDAGエンジンとLangGraph4jステートグラフエンジンの二重実行エンジンを提供。LLM駆動の関数呼び出し用の宣言的「スキル」システムとリアルタイムSSEデバッグを備えています。フロントエンドはReact + TypeScript、バックエンドはSpring Boot 3 + Java 21、MySQL（およびオプションのMinIO）で永続化を実現しています。

  • プロジェクト
    zhayujie/CowAgent

    CowAgent は、タスクの計画、ツールの実行、個人ナレッジベースの維持、協調エージェントのチームとしての運用が可能な、オープンソースのセルフホスト型 AI アシスタントです。多数の LLM プロバイダー、マルチモーダル入力、数十のチャットチャネル（Telegram、Slack、WeChat など）、プラグインスキルシステム、夜間の「Deep Dream」蒸留を備えた 3 層メモリをサポートしています。ワンライナースクリプトまたは Docker でインストールし、Web コンソールですべてを管理し、公開 Skill Hub またはカスタムツール統合を通じてシステムを拡張できます。