#multimodal-ai Dépôts
Découvrez 191 dépôts GitHub open source actifs associés à #multimodal-ai, cumulant 589,873 étoiles au total (soit une moyenne de 3,088 étoiles par projet). Le projet en tête de ce thème est anthropics/claude-cookbooks, avec 54,935 étoiles.
191 dépôts au total
Une collection de cahiers/recettes présentant des façons amusantes et efficaces d'utiliser Claude.
Application de bureau open-source pour les LLM locaux. Texte, vision, appel d'outils, API compatible OpenAI/Anthropic. 100% privé.
Une galerie qui présente des cas d'utilisation ML/GenAI sur appareil et permet aux utilisateurs d'essayer et d'utiliser des modèles localement.
Qwen3-VL est la série de grands modèles linguistiques multimodaux développée par l'équipe Qwen d'Alibaba Cloud.
🚀 Boîte à outils d'IA (humain numérique) véritablement open source pour la génération vidéo hors ligne et le clonage d'humains numériques.
Modèles Fondamentaux pour la Traduction Vocale et Textuelle de Pointe
Une boîte à outils complète pour l'extraction de contenu PDF de haute qualité
Qwen-Image est un puissant modèle fondamental de génération d'images capable de rendus de texte complexes et d'édition d'images précise.
Large World Model -- Modélisation de texte et de vidéo avec des millions de contextes
L'adaptateur d'invite d'image est conçu pour permettre à un modèle de diffusion pré-entraîné de texte à image de générer des images avec une invite d'image.
Passerelle et catalogue de modèles officiels d'Agnes AI pour les flux de travail de texte, d'image, de vidéo et d'agents compatibles avec OpenAI.
DeepSeek-VL2 : Modèles Vision-Langage Mixture-of-Experts pour une Compréhension Multimodale Avancée
Hunyuan-DiT : Un puissant Transformer de diffusion multi-résolution avec compréhension fine du chinois
OmniGen2 : Exploration vers la Génération Multimodale Avancée. https://arxiv.org/abs/2506.18871
Le SDK Python Gen AI de Google fournit une interface permettant aux développeurs d'intégrer les modèles génératifs de Google dans leurs applications Python.
Qwen2.5-Omni est un modèle multimodal de bout en bout de l'équipe Qwen d'Alibaba Cloud, capable de comprendre le texte, l'audio, la vision, la vidéo et d'effectuer une génération vocale en temps réel.
Implémentation officielle pour "Raisonnement multimodal à chaîne de pensée dans les modèles linguistiques" (restez à l'écoute et plus d'informations seront mises à jour)
Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Invites d'image, Invites Nanobanana, invites nanobanana
FlagAI (Fast LArge-scale General AI models) est une boîte à outils rapide, facile à utiliser et extensible pour les modèles à grande échelle.
Le dépôt fournit le code pour exécuter l'inférence avec le Modèle Audio Segment Anything de Meta (SAM-Audio), des liens pour télécharger les points de contrôle du modèle entraîné et des cahiers d'exemples montrant comment utiliser le modèle.
Mon grand recueil d'idées créatives de nano-banane ! Mise à jour continue !
Système de Conversation d'Avatar Numérique - Linly-Talker. 😄✨ Linly-Talker est un système d'IA intelligent qui combine de grands modèles linguistiques (LLM) avec des modèles visuels pour créer une nouvelle méthode d'interaction homme-IA. 🤝🤖 Il intègre diverses technologies telles que Whisper, Linly, Microsoft Speech Services et le système de génération de têtes parlantes SadTalker. 🌟🔬
🔥🔥🔥 [IEEE TCSVT] Derniers articles, codes et ensembles de données sur les Vid-LLMs.
Holistic Evaluation of Language Models (HELM) est un framework Python open source créé par le Center for Research on Foundation Models (CRFM) de Stanford pour une évaluation holistique, reproductible et transparente des modèles fondamentaux, y compris les grands modèles linguistiques (LLM) et les modèles multimodaux.
Mano-P : Agent GUI-VLA open-source pour appareils de bord. N°1 sur OSWorld (spécialisé, 58,2 %). S'exécute localement sur Apple M4 Mac mini/MacBook — aucune donnée ne quitte votre appareil. Mano-P est un projet GUI-VLA open-source qui prend en charge l'inférence locale sur Mac mini/MacBook ou via une clé de calcul, permettant des opérations d'automatisation GUI multiplateforme pilotées uniquement par la vision. Les données sont traitées entièrement localement, avec prise en charge de la planification et de l'exécution de tâches complexes en plusieurs étapes.
[NeurIPS 2025] OmniSVG est la première famille de générateurs SVG multimodaux de bout en bout qui s'appuient sur des modèles Vision-Language (VLM) pré-entraînés, capables de générer des SVG complexes et détaillés, allant d'icônes simples à des personnages d'anime complexes.
Modèles CLIP" d'imagerie et de vidéo de pointe, grands modèles linguistiques multimodaux, et plus encore !
Foire aux questions
Quel est le dépôt #multimodal-ai le plus populaire sur GitHub ?
Le projet #multimodal-ai open source le mieux classé sur GitHub est anthropics/claude-cookbooks, avec 54,935 étoiles. Une collection de cahiers/recettes présentant des façons amusantes et efficaces d'utiliser Claude.
Quels langages de programmation sont les plus utilisés dans les dépôts #multimodal-ai ?
Parmi les projets #multimodal-ai les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, JavaScript, Kotlin.
Comment le classement des dépôts #multimodal-ai est-il calculé ?
Nous suivons 191 dépôts open source actifs associés à #multimodal-ai (500+ étoiles), totalisant 589,873 étoiles, avec une moyenne de 3,088 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.