#flow-matching Repositories
Entdecke 35 aktive Open-Source-GitHub-Repositories, die mit #flow-matching getaggt sind und insgesamt 63,161 Sterne gesammelt haben (durchschnittlich 1,804 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist SWivid/F5-TTS mit 15,634 Sternen.
Insgesamt 35 Repositories
Offizieller Code für „F5-TTS: Ein Märchenerzähler, der flüssige und getreue Sprache mit Flow Matching fälscht“
Eine PyTorch-Bibliothek zur Implementierung von Flow-Matching-Algorithmen, die kontinuierliche und diskrete Flow-Matching-Implementierungen umfasst. Sie enthält praktische Beispiele für Text- und Bildmodalitäten.
Kimi-Audio, ein Open-Source-Audiofundierungsmodell, das sich in Audioverständnis, -generierung und -gesprächen auszeichnet
[ICLR 2025] Pyramidal Flow Matching für effiziente generative Videomodellierung
HY-Motion-Modell für die Erzeugung von 3D-Menschbewegungen oder 3D-Charakteranimationen.
[NeurIPS 2025] Eine offizielle Implementierung von Flow-GRPO: Training von Flow Matching Modellen über Online RL
Ein auf Flow Matching basierendes Text-to-Speech-Modell mit emoji-gesteuerter Stilsteuerung
Neuerstellung des pi0 Vision-Sprache-Aktion (VLA)-Modells aus Physical Intelligence
Pytorch-Implementierung von Transfusion, „Vorhersage des nächsten Tokens und Diffusion von Bildern mit einem multimodalen Modell“ von MetaAI
[ICASSP 2024] 🍵 Matcha-TTS: Eine schnelle TTS-Architektur mit bedingungsgesteuerter Flussanpassung
PyTorch-Implementierung von MeanFlow & iMF (einstufige generative Modellierung).
Interaktive Visualisierungen der geometrischen Intuition hinter Diffusionsmodellen.
[ICLR 2026 Oral] DiffusionNFT: Online Diffusionsverstärkung mit Vorwärtsprozess
Branchenweites Video-Grundlagenmodell für die einheitliche Generierung von Text-zu-Video (T2V) und Bild-zu-Video (I2V).
[ICLR 2026] TangoFlux: Super schnell und treu Text-zu-Audio-Generierung mit Flussabgleich
Ein einheitliches Framework für die einfache Feinabstimmung von Flow-Matching-Modellen
[AAAI 2025, Oral] DepthFM: Schnelle monokulare Tiefenschätzung mit Flow Matching
[ICLR 2025] Offizielle Implementierung von Posterior-Mean Rectified Flow: Auf dem Weg zu minimalem MSE fotorealistische Bildwiederherstellung
Eine Zusammenfassung verwandter Arbeiten über Flow Matching, stochastische Interpolanten
[🚀 ICLR 2026 Oral] NextStep-1: SOTA Autogressive Bildgenerierung mit kontinuierlichen Tokens. Ein Forschungsprojekt, das vom Multimodal Intelligence Team von StepFun entwickelt wurde.
Bilinguale (Chinesisch + Englisch) Spickzettel für Vorstellungsgespräche zu ML / LLM / Diffusion / Agenten im herbstlichen KI-Recruiting — erstellt mit ARIS /interview-cheatsheet und von /render-html als überall lesbare einteilige HTML-Dateien gerendert — außerdem ein anhand von CV→DBLP faktengeprüfter Generator für akademische Homepages sowie selbst verfasste Langform-Blogs 🌱
Implementierung von π₀, der von Physical Intelligence vorgeschlagenen robotergestützten Basismodellarcheitektur
[ICLR 26] TempFlow-GRPO (Temporal Flow GRPO), ein prinzipieller GRPO-Rahmen, der die inhärente zeitliche Struktur in der flussbasierten Generierung erfasst und ausnutzt.
Häufig gestellte Fragen
Welches ist das beliebteste #flow-matching-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#flow-matching-Projekt auf GitHub ist SWivid/F5-TTS mit 15,634 Sternen. Offizieller Code für „F5-TTS: Ein Märchenerzähler, der flüssige und getreue Sprache mit Flow Matching fälscht“
Welche Programmiersprachen werden in #flow-matching-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #flow-matching-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #flow-matching-Repositories berechnet?
Wir verfolgen 35 aktive Open-Source-Repositories, die mit #flow-matching getaggt sind (500+ Sterne), mit insgesamt 63,161 Sternen und durchschnittlich 1,804 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.