LLaVA est un projet visant à fournir des fonctionnalités d'assistance pour la génération de descriptions de texte à partir de données markdown, la capitalisation des premières lettres de mots, la gestion des sélections de questions et de modèles, le préremplissage des menus déroulants de questions et de modèles, et l'affichage de questions et de réponses.

Le projet mmnlg2023 est une plateforme de traitement automatique du langage naturel (TALN) permettant la génération de textes à partir de descriptions, la création de résumés de documents et la traduction automatique de textes. Il est basé sur des algorithmes de pointe en intelligence artificielle et permet aux utilisateurs de bénéficier de fonctionnalités avancées de traitement du langage.

Ce projet fournit des implémentations PyTorch pour la traduction d'images non appariées et appariées, utilisant les réseaux antagonistes génératifs (GAN) et la traduction cycle-consistante. Il permet de convertir des images d'un domaine à un autre, de générer des images réalistes à partir de croquis, d'améliorer la qualité d'images et de créer des images à partir de descriptions textuelles.

Ce projet versionne le schéma TEI utilisé sur les plateformes d'OpenEdition Journals et d'OpenEdition Books. Il correspond au modèle éditorial revuesorg distribué avec Lodel. Parmi les standards d'encodage XML d'un texte, TEI est sans doute le plus complet et le plus mûr, définissant plusieurs centaines de composants et de concepts textuels. Tout usage particulier du TEI suppose une customisation de celui-ci pour l'adapter aux spécificités du projet. Le projet tei.openedition contient une description ODD permettant de générer des schémas TEI personnalisés grâce à l'outil Roma.