#multimodal Dépôts
Découvrez 183 dépôts GitHub open source actifs associés à #multimodal, cumulant 700,629 étoiles au total (soit une moyenne de 3,828 étoiles par projet). Le projet en tête de ce thème est Mintplex-Labs/anything-llm, avec 68,480 étoiles.
183 dépôts au total
Arrêtez de louer votre intelligence. Possédez-la avec AnythingLLM. Tout ce dont vous avez besoin pour une expérience d'agent locale puissante
« Comprendre en profondeur les agents IA : principes de conception et pratique de l'ingénierie » (par Bojie Li) Dépôt open source principal : texte intégral, PDF compilé et code d'accompagnement chapitre par chapitre.
La Pile d'Agents IA Multimodaux Open-Source : Connexion de Modèles d'IA de Pointe et d'Infrastructure d'Agents
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) a été développé pour des capacités de niveau GPT-4V et au-delà.
YC (S26) | Screenpipe repère les tâches qui méritent d’être automatisées | Enregistrez en continu votre activité sur ordinateur en local, découvrez les flux de travail récurrents et transmettez le résultat à l’agent que vous utilisez déjà.
Pré-entraînement auto-supervisé à grande échelle à travers les tâches, langues et modalités
Série Janus : Modèles unifiés pour la compréhension et la génération multimodales
Utilisez le PEFT ou l’entraînement de tous les paramètres pour appliquer CPT/SFT/DPO/GRPO à plus de 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
🔍Développement pratique d'applications de grands modèles Partie 1 : Guide complet de la technologie RAG, adresse de lecture en ligne : https://datawhalechina.github.io/all-in-rag/
Visualisez, interrogez et diffusez pour vous entraîner sur des données robotiques multimodales.
https://arxiv.org/abs/2606.28344. La fin du parsing web. Le début de la recherche native par pixels évolutive. lien : https://pixelrag.ai/
Boîte à outils prête pour la production pour exécuter l'IA localement
Une bibliothèque Python pour la détection d'anomalies sur des données tabulaires, des séries temporelles, des graphes, du texte, des images et de l'audio. Plus de 60 détecteurs, une orchestration ADEngine basée sur des benchmarks et un flux de travail agentique pour les agents IA.
SeaTunnel est un outil d'intégration de données massives, multimodal, haute performance et distribué.
Deeplake est une AI Data Runtime pour Agents. Elle fournit un Postgres sans serveur avec un datalake multimodal, permettant une récupération et un entraînement scalables.
La manière la plus simple de servir des applications et modèles IA - Créez des API d'inférence de modèles, des files d'attente de tâches, des applications LLM, des pipelines multi-modèles et plus encore !
Une bibliothèque text-to-speech (TTS), speech-to-text (STT) et speech-to-speech (STS) construite sur le framework MLX d'Apple, offrant une analyse vocale efficace sur Apple Silicon.
Un cadre pour l'inférence de modèle efficace avec des modèles d'omni-modalité
Cadre open-source pour construire des applications d'agents en JavaScript, Go, Dart et Python, construit et utilisé en production par Google
Recherchez sur votre ordinateur en fonction du contenu de vos fichiers : photos, PDF, documents, enregistrements, vidéos et code. Fonctionne localement sur Mac, Windows et Linux, et repose sur EmbeddingGemma 2 de Google DeepMind.
Notes destinées aux ingénieurs logiciels qui se familiarisent avec les nouveaux développements en matière d'IA. Sert de base de données pour la rédaction et le brainstorming de produits sur https://latent.space, mais contient des références canoniques épurées dans le dossier /Resources.
Ce dépôt est une collection organisée de liens vers divers cours et ressources sur l'intelligence artificielle (IA)
Moteur de données haute performance pour les charges de travail d'IA et multimodales. Traitez des images, de l'audio, de la vidéo et des données structurées à n'importe quelle échelle.
Un terrain de jeu visuel pour les flux de travail d'agents : itérez sur vos agents 10 fois plus rapidement
Un framework MCP low-code pour construire des pipelines RAG complexes et innovants
Un cadre modulaire pour la recherche multimodale en vision et langage de Facebook AI Research (FAIR)
Un moteur d'entraînement de nouvelle génération conçu pour les modèles MoE ultra-larges
Le premier plugin de vision pour DeepSeek Harness, et le pont de vision pour chaque agent de codage texte uniquement. Collez une image, obtenez des preuves JSON structurées (OCR, mise en page, sémantique).
Align Anything : entraînement d'un modèle tout modalité avec feedback
Implémentation Plug and Play de "Tree of Thoughts" : Résolution délibérée de problèmes avec de grands modèles linguistiques qui élève le raisonnement du modèle d'au moins 70%
Boîte à outils d'évaluation multimodale One-for-All pour les tâches textuelles, d'images, de vidéos et audio
Transformez facilement de grands ensembles d'URL d'images en un ensemble de données d'images. Peut télécharger, redimensionner et empaqueter 100 millions d'URL en 20 heures sur une seule machine.
Tutoriels et ressources sélectionnés pour les grands modèles linguistiques, la peinture IA et plus encore.
Une famille de modèles open source pour la synthèse vocale longue durée, la synthèse de dialogues, la conception de voix, les effets sonores et la synthèse vocale TTS en streaming en temps réel
Fengshenbang-LM (封神榜大模型) est un système de grand modèle open-source dirigé par le Centre de recherche en calcul cognitif et traitement du langage naturel de l'Institut IDEA, servant d'infrastructure pour l'AIGC chinois et l'intelligence cognitive.
[ICML'26] SimpleMem : mémoire permanente efficace pour les agents LLM — texte et multimodal
Code et modèles pour l'article ICML 2024, NExT-GPT : Modèle linguistique multimodal Any-to-Any
MTEB : Évaluation de pointe des embeddings à travers les langues et les modalités
🤖 SDK IA TypeScript sécurisé et agnostique, conçu pour le streaming de chat, l'appel d'outils, les agents et les applications multimodales avec OpenAI, Anthropic, Gemini, React, Vue, Svelte et Solid.
Un framework extensible et de pointe pour la compression colonnaire, et le format de fichier colonnaire FOSS le plus rapide. Anciennement chez @spiraldb, maintenant un projet en phase d'incubation chez LFAI&Data, partie de la Linux Foundation.
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
InternGPT (iGPT) est une plateforme de démonstration open source où vous pouvez facilement présenter vos modèles d'IA. Il prend désormais en charge DragGAN, ChatGPT, ImageBind, les discussions multimodales comme GPT-4, SAM, l'édition interactive d'images, etc. Essayez-le sur igpt.opengvlab.com (système de démonstration en ligne prenant en charge DragGAN, ChatGPT, ImageBind, SAM).
Foire aux questions
Quel est le dépôt #multimodal le plus populaire sur GitHub ?
Le projet #multimodal open source le mieux classé sur GitHub est Mintplex-Labs/anything-llm, avec 68,480 étoiles. Arrêtez de louer votre intelligence. Possédez-la avec AnythingLLM. Tout ce dont vous avez besoin pour une expérience d'agent locale puissante
Quels langages de programmation sont les plus utilisés dans les dépôts #multimodal ?
Parmi les projets #multimodal les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Rust, C++.
Comment le classement des dépôts #multimodal est-il calculé ?
Nous suivons 183 dépôts open source actifs associés à #multimodal (500+ étoiles), totalisant 700,629 étoiles, avec une moyenne de 3,828 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.