Git Stars Git Stars

#multimodal-ai リポジトリ

#multimodal-aiのタグが付いた、GitHub上の191件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は589,873個で、プロジェクトあたりの平均は3,088個です。このトピックをリードしているのは、54,935個のスターを獲得しているanthropics/claude-cookbooksです。

191
リポジトリ総数
589,873
合計スター数
3,088
リポジトリあたりの平均スター数

リポジトリ合計191件

1
anthropics/claude-cookbooks

Claude の楽しく効果的な使い方を紹介するノート/レシピ集です。

anthropics
⭐ 54,935 Jupyter Notebook 👤 anthropics Organization 🕐 更新日時 2026-11-20 📅 作成日 2023-08-15
2
oobabooga/textgen

ローカルLLM向けのオープンソースデスクトップアプリ。テキスト、ビジョン、ツール呼び出し、OpenAI/Anthropic互換APIに対応。100%プライベート。

oobabooga
⭐ 47,736 Python 👤 oobabooga User 🕐 更新日時 2026-08-17 📅 作成日 2022-12-21
4
google-ai-edge/gallery

オンデバイスML/GenAIのユースケースを展示し、ユーザーがローカルでモデルを試したり使用したりできるギャラリーです。

google-ai-edge
⭐ 25,398 Kotlin 👤 google-ai-edge Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-03-31
5
deepseek-ai/DeepSeek-OCR

光学圧縮コンテキスト

deepseek-ai
⭐ 24,180 Python 👤 deepseek-ai Organization 🕐 更新日時 2026-01-27 📅 作成日 2025-10-17
6
QwenLM/Qwen3-VL

Qwen3-VLは、Alibaba CloudのQwenチームによって開発されたマルチモーダル大規模言語モデルシリーズです。

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 更新日時 2026-01-30 📅 作成日 2024-08-29
7
duixcom/Duix-Avatar

🚀 オフラインビデオ生成およびデジタルヒューマンクローニングのための、真にオープンソースなAIアバター(デジタルヒューマン)ツールキット。

duixcom
⭐ 16,411 C 👤 duixcom Organization 🕐 更新日時 2026-04-21 📅 作成日 2024-12-24
8
facebookresearch/seamless_communication

最先端の音声およびテキスト翻訳のための基盤モデル

facebookresearch
⭐ 11,908 Jupyter Notebook 👤 facebookresearch Organization 🕐 更新日時 2026-09-08 📅 作成日 2023-08-01
9
m87-labs/moondream

小さなビジョン言語モデル

m87-labs
⭐ 10,167 Python 👤 m87-labs Organization 🕐 更新日時 2026-04-20 📅 作成日 2023-12-29
10
opendatalab/PDF-Extract-Kit

高品質PDFコンテンツ抽出のための包括的なツールキット

opendatalab
⭐ 9,682 Python 👤 opendatalab Organization 🕐 更新日時 2025-01-03 📅 作成日 2024-06-27
11
facebookresearch/ImageBind

ImageBind それらすべてを束ねるための1つの埋め込み空間

facebookresearch
⭐ 9,084 Python 👤 facebookresearch Organization 🕐 更新日時 2025-11-21 📅 作成日 2023-03-23
12
QwenLM/Qwen-Image

Qwen-Imageは、複雑なテキストレンダリングと正確な画像編集が可能な強力な画像生成基盤モデルです。

QwenLM
⭐ 8,489 Python 👤 QwenLM Organization 🕐 更新日時 2026-02-10 📅 作成日 2025-08-03
13
NVIDIA/Isaac-GR00T

NVIDIA Isaac GR00T N1.7 - 汎用ロボットのための基礎モデル。

NVIDIA
⭐ 8,402 Python 👤 NVIDIA Organization 🕐 更新日時 2026-11-17 📅 作成日 2025-03-11
14
boson-ai/higgs-audio

Boson AI のテキスト・オーディオ基盤モデル

boson-ai
⭐ 8,390 Python 👤 boson-ai Organization 🕐 更新日時 2026-06-05 📅 作成日 2025-07-20
15
LargeWorldModel/LWM

Large World Model -- 数百万のコンテキストを持つテキストとビデオのモデリング

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 更新日時 2024-10-19 📅 作成日 2024-02-08
16
tencent-ailab/IP-Adapter

画像プロンプトアダプターは、事前学習済みのテキストから画像への拡散モデルが画像プロンプトを使用して画像を生成できるように設計されています。

tencent-ailab
⭐ 6,386 Jupyter Notebook 👤 tencent-ailab User 🕐 更新日時 2024-06-28 📅 作成日 2023-08-16
17
AILab-CVC/YOLO-World

[CVPR 2024] リアルタイム・オープンボキャブラリ・オブジェクト検出

AILab-CVC
⭐ 6,385 Python 👤 AILab-CVC Organization 🕐 更新日時 2025-02-26 📅 作成日 2024-01-29
18
Jackywine/Bella

ベラが一番

Jackywine
⭐ 6,325 JavaScript 👤 Jackywine User 🕐 更新日時 2026-02-05 📅 作成日 2025-07-16
19
ByteDance-Seed/Bagel

オープンソース統合マルチモーダルモデル

ByteDance-Seed
⭐ 6,223 Python 👤 ByteDance-Seed Organization 🕐 更新日時 2026-05-04 📅 作成日 2025-04-17
20
ngxson/smolvlm-realtime-webcam

SmolVLMとllama.cppサーバーによるリアルタイムWebカメラデモ

ngxson
⭐ 5,555 HTML 👤 ngxson User 🕐 更新日時 2025-05-12 📅 作成日 2025-05-12
21
AgnesAI-Labs/AgnesAI-Models

OpenAI互換のテキスト、画像、動画、およびエージェントワークフローのためのAgnes AI公式ゲートウェイおよびモデルカタログ。

AgnesAI-Labs
⭐ 5,299 👤 AgnesAI-Labs Organization 🕐 更新日時 2026-08-18 📅 作成日 2026-04-30
22
deepseek-ai/DeepSeek-VL2

DeepSeek-VL2: 高度なマルチモーダル理解のためのエキスパート混合ビジョン・言語モデル

deepseek-ai
⭐ 5,297 Python 👤 deepseek-ai Organization 🕐 更新日時 2025-02-26 📅 作成日 2024-12-13
23
cbh123/narrator

デビッド・アッテンボローがあなたの人生をナレーションします

cbh123
⭐ 4,426 Python 👤 cbh123 User 🕐 更新日時 2026-07-23 📅 作成日 2023-11-14
24
Tencent-Hunyuan/HunyuanDiT

Hunyuan-DiT:きめ細かな中国語理解を備えた強力なマルチ解像度拡散トランスフォーマー

Tencent-Hunyuan
⭐ 4,292 Jupyter Notebook 👤 Tencent-Hunyuan Organization 🕐 更新日時 2026-10-08 📅 作成日 2024-05-10
25
VectorSpaceLab/OmniGen2

OmniGen2: 高度なマルチモーダル生成に向けた探求。 https://arxiv.org/abs/2506.18871

VectorSpaceLab
⭐ 4,121 Jupyter Notebook 👤 VectorSpaceLab Organization 🕐 更新日時 2026-03-20 📅 作成日 2025-06-06
26
googleapis/python-genai

Google Gen AI Python SDK は、開発者が Google の生成モデルを Python アプリケーションに統合するためのインターフェイスを提供します。

googleapis
⭐ 4,084 Python 👤 googleapis Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-12-06
27
QwenLM/Qwen2.5-Omni

Qwen2.5-Omniは、Alibaba CloudのQwenチームによるエンドツーエンドのマルチモーダルモデルであり、テキスト、オーディオ、ビジョン、ビデオを理解し、リアルタイムの音声生成を実行できます。

QwenLM
⭐ 4,021 Jupyter Notebook 👤 QwenLM Organization 🕐 更新日時 2025-06-12 📅 作成日 2025-03-22
28
amazon-science/mm-cot

「言語モデルにおけるマルチモーダル思考連鎖推論」の公式実装(続報にご期待ください。さらに多くの情報が更新されます)

amazon-science
⭐ 3,988 Python 👤 amazon-science Organization 🕐 更新日時 2024-06-12 📅 作成日 2023-02-02
29
huggingface/smollm

SmolLMおよびSmolVLMモデルファミリーに関するすべて

huggingface
⭐ 3,960 Python 👤 huggingface Organization 🕐 更新日時 2026-10-06 📅 作成日 2024-11-04
30
songguoxs/gpt4o-image-prompts

Nano Banana(nanobanana), GPT-5(GPT5), GPT-4o(GPT4o) 画像プロンプト, Nanobanana プロンプト, nanobanana プロンプト

songguoxs
⭐ 3,882 JavaScript 👤 songguoxs User 🕐 更新日時 2026-01-08 📅 作成日 2025-04-28
31
FlagAI-Open/FlagAI

FlagAI (Fast LArge-scale General AI models) は、大規模モデル向けの高速で使いやすく拡張性の高いツールキットです。

FlagAI-Open
⭐ 3,864 Python 👤 FlagAI-Open Organization 🕐 更新日時 2026-07-13 📅 作成日 2022-05-16
32
facebookresearch/sam-audio

このリポジトリには、Meta Segment Anything Audio Model (SAM-Audio) で推論を実行するためのコード、トレーニング済みモデルのチェックポイントをダウンロードするためのリンク、およびモデルの使用方法を示すサンプルノートブックが提供されています。

facebookresearch
⭐ 3,760 Python 👤 facebookresearch Organization 🕐 更新日時 2026-05-26 📅 作成日 2025-09-04
33
ZHO-ZHO-ZHO/ZHO-nano-banana-Creation

私のナノバナナのクリエイティブな遊び方大集! 継続的に更新中!

ZHO-ZHO-ZHO
⭐ 3,715 👤 ZHO-ZHO-ZHO User 🕐 更新日時 2025-09-18 📅 作成日 2025-08-28
34
Kedreamix/Linly-Talker

デジタルアバター会話システム - Linly-Talker。😄✨ Linly-Talkerは、大規模言語モデル(LLM)とビジョンモデルを組み合わせて、新しい人間とAIのインタラクション方法を作成するインテリジェントAIシステムです。🤝🤖 Whisper、Linly、Microsoft Speech Services、SadTalkerトーキングヘッド生成システムなどのさまざまなテクノロジーを統合しています。🌟🔬

Kedreamix
⭐ 3,483 Python 👤 Kedreamix User 🕐 更新日時 2026-02-10 📅 作成日 2023-10-17
35
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Vid-LLMに関する最新の論文、コード、データセット。

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 更新日時 2026-11-11 📅 作成日 2023-07-16
38
zai-org/GLM-4-Voice

GLM-4-Voice | エンドツーエンドの中国語・英語音声対話モデル

zai-org
⭐ 3,108 Python 👤 zai-org Organization 🕐 更新日時 2024-12-05 📅 作成日 2024-10-24
39
stanford-crfm/helm

Holistic Evaluation of Language Models (HELM)は、スタンフォード大学のFoundation Models研究センター(CRFM)によって作成されたオープンソースのPythonフレームワークであり、大規模言語モデル(LLM)やマルチモーダルモデルを含む基盤モデルの、全体的、再現可能、かつ透明性のある評価を目的としています。

stanford-crfm
⭐ 2,975 Python 👤 stanford-crfm Organization 🕐 更新日時 2026-09-01 📅 作成日 2021-11-29
40
Mininglamp-AI/Mano-P

Mano-P: エッジデバイス向けオープンソースGUI-VLAエージェント。OSWorldで1位(専門版、58.2%)。Apple M4 Mac mini/MacBookでローカル実行 — データはデバイスから出ません。Mano-PはオープンソースGUI-VLAプロジェクトで、Mac mini/MacBookまたはコンピュートスティックでのローカル推論をサポートし、純粋視覚駆動のクロスプラットフォームGUI自動化操作を実現します。データは完全にローカルで処理され、複雑な多段階タスクの計画と実行をサポートします。

Mininglamp-AI
⭐ 2,855 👤 Mininglamp-AI Organization 🕐 更新日時 2026-06-25 📅 作成日 2026-03-25
41
Alpha-VLLM/LLaMA2-Accessory

LLM開発のためのオープンソースツールキット

Alpha-VLLM
⭐ 2,806 Python 👤 Alpha-VLLM Organization 🕐 更新日時 2025-01-13 📅 作成日 2023-07-21
42
ishan0102/vimGPT

GPT-4V と Vimium でウェブを閲覧する

ishan0102
⭐ 2,672 Python 👤 ishan0102 User 🕐 更新日時 2024-09-25 📅 作成日 2023-11-07
43
OmniSVG/OmniSVG

[NeurIPS 2025] OmniSVGは、事前学習済みのビジョン・言語モデル(VLM)を活用した、初めてのエンドツーエンドのマルチモーダルSVG生成器ファミリーであり、シンプルなアイコンから複雑なアニメキャラクターまで、複雑で詳細なSVGを生成することができます。

OmniSVG
⭐ 2,666 Python 👤 OmniSVG User 🕐 更新日時 2026-03-01 📅 作成日 2025-04-07
44
janhq/ichigo

ローカルリアルタイム音声AI

janhq
⭐ 2,493 Python 👤 janhq Organization 🕐 更新日時 2025-11-26 📅 作成日 2024-07-02
46
baaivision/Emu3

Next-Token Prediction がすべてです

baaivision
⭐ 2,454 Python 👤 baaivision Organization 🕐 更新日時 2026-01-12 📅 作成日 2024-09-26
47
XiaoxinHe/Awesome-Graph-LLM

グラフ関連LLMに関する素晴らしいもののコレクション。

XiaoxinHe
⭐ 2,452 👤 XiaoxinHe User 🕐 更新日時 2025-11-05 📅 作成日 2023-06-05
48
Nutlope/llama-ocr

Llama 3.2 visionによるドキュメントからMarkdownへのOCRライブラリ

Nutlope
⭐ 2,445 TypeScript 👤 Nutlope User 🕐 更新日時 2026-07-12 📅 作成日 2024-11-12
49
facebookresearch/perception_models

最先端の画像・動画CLIP、マルチモーダル大規模言語モデルなど!

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 更新日時 2026-04-13 📅 作成日 2025-04-16

よくある質問

1

GitHubで最も人気のある#multimodal-aiリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#multimodal-aiプロジェクトは、54,935個のスターを獲得しているanthropics/claude-cookbooksです。Claude の楽しく効果的な使い方を紹介するノート/レシピ集です。

2

#multimodal-aiリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#multimodal-aiプロジェクトでは、Python, Jupyter Notebook, JavaScript, Kotlinが最も一般的なプログラミング言語です。

3

#multimodal-aiリポジトリのランキングはどのように算出されていますか?

#multimodal-aiのタグが付いた191件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は589,873個で、リポジトリあたりの平均は3,088個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。