#multimodal Repository
Scopri 183 repository GitHub open source attivi contrassegnati con #multimodal, che raccolgono un totale di 700,629 stelle (con una media di 3,828 stelle per progetto). Il progetto leader di questo argomento è Mintplex-Labs/anything-llm, con 68,480 stelle.
183 repository in totale
Smetti di affittare la tua intelligenza. Possiedila con AnythingLLM. Tutto ciò che ti serve per una potente esperienza di agente locale
"Comprensione profonda degli agenti IA: principi di progettazione e pratica ingegneristica" (di Bojie Li) Repository principale open source: testo completo, PDF compilato e codice di accompagnamento capitolo per capitolo.
Lo Stack di Agenti AI Multimodali Open-Source: Collegamento di Modelli AI all'Avanguardia e Infrastruttura per Agenti
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) è stato creato per capacità di livello GPT-4V e oltre.
YC (S26) | Screenpipe trova il lavoro che vale la pena automatizzare | Registra continuamente in locale il lavoro svolto al computer, individua i flussi di lavoro ricorrenti e passa il risultato a qualsiasi agente che usi già.
Pre-allenamento auto-supervisionato su larga scala attraverso compiti, lingue e modalità
Utilizza PEFT o l’addestramento con tutti i parametri per CPT/SFT/DPO/GRPO su oltre 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e oltre 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
🔍Sviluppo pratico di applicazioni con modelli di grandi dimensioni Parte 1: Guida full stack alla tecnologia RAG, indirizzo di lettura online: https://datawhalechina.github.io/all-in-rag/
Visualizza, interroga e trasmetti in streaming per addestrarti su dati robotici multimodali.
https://arxiv.org/abs/2606.28344. La fine del parsing web. L'inizio della ricerca pixel-native scalabile. link: https://pixelrag.ai/
Una libreria Python per il rilevamento di anomalie su dati tabulari, serie temporali, grafi, testo, immagini e audio. Include oltre 60 rilevatori, un'orchestrazione ADEngine basata su benchmark e un flusso di lavoro agentico per agenti IA.
SeaTunnel è uno strumento di integrazione dati multimodale, ad alte prestazioni, distribuito e per grandi masse di dati.
Deeplake è una AI Data Runtime per Agents. Fornisce Postgres serverless con un datalake multimodale, consentendo il retrieval e l'addestramento scalabili.
Il modo più semplice per servire app e modelli AI - Costruisci API di inferenza del modello, code di lavoro, app LLM, pipeline multi-modello e altro!
Una libreria text-to-speech (TTS), speech-to-text (STT) e speech-to-speech (STS) basata sul framework MLX di Apple, che fornisce un'efficiente analisi vocale su Apple Silicon.
Un framework per l'inferenza efficiente del modello con modelli omni-modalità
Framework open-source per la creazione di app agente in JavaScript, Go, Dart e Python, costruito e utilizzato in produzione da Google
Cerca sul tuo computer in base al contenuto dei tuoi file: foto, PDF, documenti, registrazioni, video e codice. Funziona direttamente sul dispositivo su Mac, Windows e Linux ed è basato su EmbeddingGemma 2 di Google DeepMind.
Note per ingegneri del software che si aggiornano sui nuovi sviluppi dell'IA. Serve come archivio dati per scrittura e brainstorming di prodotti su https://latent.space, ma contiene riferimenti canonici ripuliti nella cartella /Resources.
Questo repository è una raccolta curata di collegamenti a vari corsi e risorse sull'intelligenza artificiale (AI)
Motore dati ad alte prestazioni per carichi di lavoro AI e multimodali. Elabora immagini, audio, video e dati strutturati su qualsiasi scala.
Un parco giochi visivo per flussi di lavoro agenti: Itera sui tuoi agenti 10 volte più velocemente
Un framework modulare per la ricerca multimodale su visione e linguaggio da Facebook AI Research (FAIR)
Un motore di addestramento di nuova generazione costruito per modelli MoE ultra-grandi
Il primo plugin di visione per DeepSeek Harness e il ponte di visione per ogni agente di codifica solo testo. Incolla un'immagine, ottieni prove JSON strutturate (OCR, layout, semantica).
Implementazione Plug and Play di "Tree of Thoughts": Risoluzione deliberata dei problemi con modelli linguistici di grandi dimensioni che eleva il ragionamento del modello di almeno il 70%
Toolkit di valutazione multimodale One-for-All per attività testuali, di immagini, video e audio
Trasforma facilmente grandi set di URL di immagini in un set di dati di immagini. Può scaricare, ridimensionare e pacchettizzare 100 milioni di URL in 20 ore su una macchina.
Tutorial curati e risorse per modelli linguistici di grandi dimensioni, pittura AI e altro ancora.
Una famiglia di modelli open source per la sintesi vocale a lungo formato, la sintesi di dialoghi, la progettazione delle voci, gli effetti sonori e il TTS in streaming in tempo reale
Fengshenbang-LM (封神榜大模型) è un sistema open-source di grandi modelli guidato dal Research Center for Cognitive Computing and Natural Language Processing dell'IDEA Institute, che funge da infrastruttura per l'AIGC cinese e l'intelligenza cognitiva.
[ICML'26] SimpleMem: Memoria permanente efficiente per agenti LLM — testo e multimodale
Codice e modelli per il paper ICML 2024, NExT-GPT: Modello linguistico multimodale di grandi dimensioni Any-to-Any
MTEB: Valutazione all'avanguardia degli embedding attraverso lingue e modalità
🤖 SDK IA TypeScript type-safe e agnostico rispetto al provider per chat in streaming, chiamate a strumenti, agenti e app multimodali su OpenAI, Anthropic, Gemini, React, Vue, Svelte e Solid.
Un framework estensibile e all'avanguardia per la compressione colonnare, e il formato file colonnare FOSS più veloce. Precedentemente presso @spiraldb, ora un progetto in fase di incubazione presso LFAI&Data, parte della Linux Foundation.
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
InternGPT (iGPT) è una piattaforma demo open source dove puoi facilmente mostrare i tuoi modelli AI. Ora supporta DragGAN, ChatGPT, ImageBind, chat multimodali come GPT-4, SAM, editing interattivo di immagini, ecc. Provalo su igpt.opengvlab.com (sistema demo online che supporta DragGAN, ChatGPT, ImageBind, SAM).
Domande frequenti
Qual è il repository #multimodal più popolare su GitHub?
Il progetto open source #multimodal più alto in classifica su GitHub è Mintplex-Labs/anything-llm, con 68,480 stelle. Smetti di affittare la tua intelligenza. Possiedila con AnythingLLM. Tutto ciò che ti serve per una potente esperienza di agente locale
Quali linguaggi di programmazione sono più utilizzati nei repository #multimodal?
Tra i progetti #multimodal più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, Rust, C++.
Come viene calcolata la classifica dei repository #multimodal?
Monitoriamo 183 repository open source attivi contrassegnati con #multimodal (500+ stelle), per un totale di 700,629 stelle e una media di 3,828 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.