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;
解决的问题
WGAI 是一个全面的 AI 管理平台，旨在为工业级多模态 AI 提供“开箱即用”的解决方案。它解决了在单一且支持离线的系统中部署和管理各种 AI 功能（如计算机视觉、语音识别和机器人导航）的复杂性。
运作方式
该平台集成了多个 AI 核心，包括 OpenCV、YOLO、OCR 和 ChatGPT，以提供全栈服务器架构。它采用解耦架构，将训练和识别分离，以防止过度的内存和 GPU 消耗，从而实现高效的离线部署。
目标用户
主要针对需要集中式平台来处理多模态 AI 任务的工业用户和开发者，包括需要离线部署、实时视频分析和 AGV（自动导引车）导航的场景。
特色亮点
- 多模态整合：在单一平台中结合视觉（YOLO、OpenCV、OCR、人脸识别）、音频（语音识别）和文本（ChatGPT）。
- 工业机器人支持：包含 AGV 自动导航、地图扫描、路径规划和避障功能。
- 端到端工作流程：支持在线数据标注、模型训练和实时结果评估。
- 实时监控：提供视频分析警报、系统资源监控（CPU/JVM/Redis）和报警消息订阅。
相关
- 项目
open-webui/open-webuiOpen WebUI 是一个开源、自托管的 LLM Web 界面，支持任何 OpenAI 兼容 API 和本地 Ollama 模型。它提供丰富的 UI（聊天、笔记、频道、日历、语音/视频、图像生成）、可扩展的插件系统、RBAC、多模型支持、内置 RAG（向量数据库、网络搜索）、代理执行代码的“Open Terminal”，以及企业级功能如 LDAP/SSO、SCIM 配置和可观测性。可通过 pip、Docker（CPU/GPU，内置 Ollama）或 Kubernetes 安装。生态系统包括桌面应用、面向移动的编码代理和用于同步外部知识库的工具。
- 项目
modstart-lib/aigcpanelAIGCPanel 是一个跨平台桌面应用（Electron + Vue 3），集成了开源 AI 模型，用于数字人视频、多模型 TTS/语音克隆、语音转文字，以及 25+ 音视频实用工具。它提供可视化拖拽工作流编辑器和直播评论自动化（VIP 版），还配备 CLI 用于脚本化操作。用户可通过内置市场安装模型，所有内容可在本地运行，或连接远程/云服务。
- 项目
AGenUI/AGenUIAGenUI 是一个开源 SDK，让大型语言模型能将 UI 描述 (A2UI JSON) 流式传输至原生 iOS、Android 和 HarmonyOS 应用程序。共享的 C++ 核心负责解析数据、对虚拟组件树进行差异比对，并实时更新原生视图，提供流畅 (≈120 fps) 的交互体验。它内置 22 个组件、自定义组件 API、函数调用集成，以及一个可将自然语言提示转换为有效 UI JSON 的现成技能/工作室。
- 项目
itwanger/PaiAgentPaiAgent 是一个开源、企业级平台，支持用户通过拖拽节点进行可视化AI工作流编排。它通过 Spring AI 支持多个大模型提供商，提供经典 DAG 引擎和 LangGraph4j 状态图引擎两种执行引擎，包含声明式“技能”系统用于 LLM 驱动的函数调用，并提供实时 SSE 调试功能。前端采用 React + TypeScript，后端基于 Spring Boot 3 + Java 21，使用 MySQL（可选 MinIO）实现持久化。
- 项目
zhayujie/CowAgentCowAgent 是一个开源、自托管的 AI 助手，可规划任务、运行工具、维护个人知识库，并能以多代理协作团队的形式运作。它支持多种 LLM 提供商、多模态输入、数十种聊天渠道（Telegram、Slack、微信等）、插件技能系统，以及具有夜间“Deep Dream”蒸馏功能的三层记忆。可通过一行命令或 Docker 安装，通过网页控制台管理一切，并可通过公开的 Skill Hub 或自定义工具集成来扩展系统。