mlkit

照着跑通 Google 官方 ML Kit 示例，快速集成视觉和 NLP 能力

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 3093 🐛 待处理 230 👀 关注 133

GitHub ↗

GitHub 星标 ★ 4309

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源示例项目，完全免费，无付费版本。

项目预览

项目数据

分类计算机视觉

开发团队googlesamples

GitHubhttps://github.com/googlesamples/mlkit

定价模式🏷️完全免费

价格说明开源示例项目，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Kotlin

技术栈/模型barcode,barcode-scanner,face-detection,google,image-labeling,language-identification,ml-kit,mlkit,mlkit-android,mlkit-genai,mlkit-genai-image-description,mlkit-genai-proofreading,mlkit-genai-rewriting,mlkit-genai-summarization,object-detection,smart-reply,text-recognition,translation

GitHub 星标★ 4309

上线时间2020-05-28 00:00:00

代码更新2026-10-26

仓库体积47.4 MB

本站数据更新2026-11-08

维护状态较活跃

收录时间2026-08-10

浏览次数5

项目介绍

mlkit 是 Google 官方维护的 ML Kit 示例应用集合，覆盖 Android 和 iOS 双平台。它通过完整可运行的代码演示了 ML Kit 的核心能力，包括条码扫描、人脸检测、图像标签、语言识别、智能回复、实体抽取等十余种 API 的集成方式。项目解决了开发者快速上手 ML Kit 的痛点，无需从零阅读文档，直接对照示例即可理解 API 调用流程、权限配置和 UI 交互设计。每个示例都包含独立的模块，代码结构清晰，支持单独构建运行，适合作为学习模板或生产项目的起点。同时，项目紧跟 ML Kit 版本更新，展示了离线与在线模型的切换、自定义模型支持等进阶用法，帮助开发者评估不同场景下的技术选型。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 4309

技术标签

face-detection google object-detection text-recognition translation

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：本地安装 3 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

已安装 git，用于克隆示例仓库
构建 Android 示例需 Android Studio 与 Android SDK
构建 iOS 示例需 macOS 上的 Xcode

安装与启动步骤

1克隆示例仓库

把官方 ML Kit 示例仓库拉到本地，作为后续构建运行的基础。README 未给出其他安装包或依赖安装命令。
```
git clone https://github.com/googlesamples/mlkit
```
2挑选目标示例

仓库是 Android 与 iOS 双平台快速上手示例集合，按需挑选条码扫描、人脸检测、图像标签等目标示例目录。
3用 IDE 打开工程

README 未提供构建命令，Android 示例用 Android Studio 打开，iOS 示例用 Xcode 打开，再选择对应模块编译运行。