#multimodal-ai Repository
Scopri 191 repository GitHub open source attivi contrassegnati con #multimodal-ai, che raccolgono un totale di 589,873 stelle (con una media di 3,088 stelle per progetto). Il progetto leader di questo argomento è anthropics/claude-cookbooks, con 54,935 stelle.
191 repository in totale
Una raccolta di quaderni/ricette che mostrano alcuni modi divertenti ed efficaci di usare Claude.
Applicazione desktop open-source per LLM locali. Testo, visione, chiamata di strumenti, API compatibile con OpenAI/Anthropic. 100% privata.
Una galleria che presenta casi d'uso ML/GenAI su dispositivo e consente alle persone di provare e utilizzare modelli localmente.
Qwen3-VL è la serie di modelli linguistici di grandi dimensioni multimodali sviluppata dal team Qwen di Alibaba Cloud.
🚀 Toolkit di avatar AI (esseri umani digitali) veramente open-source per la generazione di video offline e il clonaggio di esseri umani digitali.
Modelli Fondamentali per la Traduzione Vocale e Testuale all'Avanguardia
Un toolkit completo per l'estrazione di contenuti PDF di alta qualità
Qwen-Image è un potente modello di base per la generazione di immagini in grado di eseguire rendering di testo complessi e modifiche precise delle immagini.
L'adattatore per prompt di immagini è progettato per consentire a un modello di diffusione da testo a immagine preaddestrato di generare immagini con un prompt di immagini.
Gateway e catalogo modelli ufficiale di Agnes AI per flussi di lavoro di testo, immagini, video e agenti compatibili con OpenAI.
DeepSeek-VL2: Modelli Vision-Language Mixture-of-Experts per una Comprensione Multimodale Avanzata
Hunyuan-DiT: Un potente Transformer a diffusione multi-risoluzione con comprensione dettagliata del cinese
OmniGen2: Esplorazione verso la Generazione Multimodale Avanzata. https://arxiv.org/abs/2506.18871
L'SDK Python Gen AI di Google fornisce un'interfaccia per gli sviluppatori per integrare i modelli generativi di Google nelle loro applicazioni Python.
Qwen2.5-Omni è un modello multimodale end-to-end del team Qwen di Alibaba Cloud, capace di comprendere testo, audio, immagini, video ed eseguire la generazione vocale in tempo reale.
Implementazione ufficiale per "Ragionamento multimodale a catena di pensiero nei modelli linguistici" (resta sintonizzato e verranno aggiornati altri dettagli)
Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Image Prompts, Nanobanana Prompts, prompt nanobanana
FlagAI (Fast LArge-scale General AI models) è un toolkit veloce, facile da usare ed estensibile per modelli su larga scala.
Il repository fornisce il codice per eseguire l'inferenza con il Meta Segment Anything Audio Model (SAM-Audio), link per scaricare i checkpoint del modello addestrato e notebook di esempio che mostrano come utilizzare il modello.
La mia raccolta di fantastiche idee creative per nano-banana! Aggiornamento continuo!
Sistema di Conversazione con Avatar Digitale - Linly-Talker. 😄✨ Linly-Talker è un sistema AI intelligente che combina modelli linguistici di grandi dimensioni (LLM) con modelli visivi per creare un nuovo metodo di interazione uomo-AI. 🤝🤖 Integra varie tecnologie come Whisper, Linly, Microsoft Speech Services e il sistema di generazione di teste parlanti SadTalker. 🌟🔬
🔥🔥🔥 [IEEE TCSVT] Últimi lavori, codici e set di dati su Vid-LLMs.
Holistic Evaluation of Language Models (HELM) è un framework Python open source creato dal Center for Research on Foundation Models (CRFM) di Stanford per la valutazione olistica, riproducibile e trasparente di modelli di fondazione, inclusi modelli linguistici di grandi dimensioni (LLM) e modelli multimodali.
Mano-P: Agente GUI-VLA open-source per dispositivi edge. #1 su OSWorld (specializzato, 58.2%). Esegue localmente su Apple M4 Mac mini/MacBook — nessun dato lascia il tuo dispositivo. Mano-P è un progetto GUI-VLA open-source che supporta l'esecuzione locale su Mac mini/MacBook o tramite stick di calcolo, realizzando operazioni di automazione GUI cross-platform guidate puramente dalla visione. I dati vengono elaborati completamente in locale, supportando la pianificazione e l'esecuzione di compiti complessi a più passaggi.
[NeurIPS 2025] OmniSVG è la prima famiglia di generatori SVG multimodali end-to-end che sfruttano modelli Vision-Language (VLM) pre-addestrati, in grado di generare SVG complessi e dettagliati, da semplici icone ad intricati personaggi anime.
Una raccolta di cose FANTASTICHE sui modelli linguistici di grandi dimensioni relativi ai grafi (Graph-Related LLMs).
Modelli CLIP" all'avanguardia per immagini e video, modelli linguistici di grandi dimensioni multimodali e altro ancora!
Domande frequenti
Qual è il repository #multimodal-ai più popolare su GitHub?
Il progetto open source #multimodal-ai più alto in classifica su GitHub è anthropics/claude-cookbooks, con 54,935 stelle. Una raccolta di quaderni/ricette che mostrano alcuni modi divertenti ed efficaci di usare Claude.
Quali linguaggi di programmazione sono più utilizzati nei repository #multimodal-ai?
Tra i progetti #multimodal-ai più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, JavaScript, Kotlin.
Come viene calcolata la classifica dei repository #multimodal-ai?
Monitoriamo 191 repository open source attivi contrassegnati con #multimodal-ai (500+ stelle), per un totale di 589,873 stelle e una media di 3,088 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.