Git Stars Git Stars

#multimodal-ai リポジトリ

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

51
ByteDance-Seed/VeOmni

VeOmni:モデル中心の分散レシピズーによるあらゆるモダリティモデルトレーニングのスケーリング

ByteDance-Seed
⭐ 2,299 Python 👤 ByteDance-Seed Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-03-28
52
ActiveVisionLab/Awesome-LLM-3D

Awesome-LLM-3D: 3D世界におけるマルチモーダル大規模言語モデルの厳選されたリソースリスト

ActiveVisionLab
⭐ 2,284 👤 ActiveVisionLab Organization 🕐 更新日時 2026-04-16 📅 作成日 2023-12-15
53
Liuziyu77/Visual-RFT

'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning' の公式リポジトリ

Liuziyu77
⭐ 2,283 Jupyter Notebook 👤 Liuziyu77 User 🕐 更新日時 2025-10-29 📅 作成日 2025-02-24
54
mrgoonie/claudekit-skills

ClaudeKit.cc のすべての強力なスキル!

mrgoonie
⭐ 2,244 Python 👤 mrgoonie User 🕐 更新日時 2026-04-03 📅 作成日 2025-10-23
55
microsoft/LLaVA-Med

生物医学のための大規模言語・視覚アシスタント、マルチモーダルGPT-4レベルの機能を目指して構築。

microsoft
⭐ 2,207 Python 👤 microsoft Organization 🕐 更新日時 2025-06-04 📅 作成日 2023-05-20
56
LAION-AI/CLAP

対照言語音声事前学習

LAION-AI
⭐ 2,167 Python 👤 LAION-AI Organization 🕐 更新日時 2025-05-15 📅 作成日 2022-03-06
57
km1994/LLMsNineStoryDemonTower

【LLMs 九層妖塔】自然言語処理(ChatGLM、Chinese-LLaMA-Alpaca、小羊駝 Vicuna、LLaMA、GPT4ALLなど)、情報検索(langchain)、言語合成、言語認識、マルチモーダル(Stable Diffusion、MiniGPT-4、VisualGLM-6B、Ziya-Visualなど)などの分野におけるLLMsの実践と経験を共有します。

km1994
⭐ 2,140 👤 km1994 User 🕐 更新日時 2024-03-30 📅 作成日 2023-05-01
58
shcherbak-ai/contextgem

大規模言語モデルと意思決定モデルを使用して、ドキュメントから構造化データとインサイトを抽出する

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-10-11
59
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5:軽量OCR VLMをより高速かつ優れたものに

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 更新日時 2026-09-24 📅 作成日 2025-11-18
60
QwenLM/Qwen2-Audio

Alibaba Cloudが提案したQwen2-Audioチャットおよび事前学習済み大規模オーディオ言語モデルの公式リポジトリ。

QwenLM
⭐ 2,072 Python 👤 QwenLM Organization 🕐 更新日時 2025-04-21 📅 作成日 2024-06-24
61
merveenoyan/smol-vision

最先端のビジョンモデルを縮小、最適化、カスタマイズするためのレシピ。💜

merveenoyan
⭐ 2,004 Jupyter Notebook 👤 merveenoyan User 🕐 更新日時 2026-08-12 📅 作成日 2024-03-13
62
NVIDIA-AI-Blueprints/video-search-and-summarization

NVIDIA AI ビデオ検索・要約(VSS)ブループリントは、リアルタイム検証アラート、ビジュアルQ&A、自動レポート機能を備えたビデオ分析エージェントを構築するためのGPUアクセラレーション対応リファレンスアーキテクチャです。VSSブループリントは、NVIDIA Cosmosなどの視覚言語モデル(VLM)、NVIDIA NemotronなどのLLM、RAG、およびNVIDIA NIMを使用します。

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-10-22
63
chn-lee-yumi/MaterialSearch

セマンティック検索。自然言語でローカルの写真や動画を検索します。AIセマンティック検索ローカル素材。画像検索、ローカル素材の検索、テキスト説明によるシーンのマッチング、ビデオフレーム検索、シーン説明によるビデオ検索。

chn-lee-yumi
⭐ 1,998 HTML 👤 chn-lee-yumi User 🕐 更新日時 2026-09-21 📅 作成日 2023-03-16
65
kimjammer/Neuro

7日間で作成されたNeuro-Samaの再現。

kimjammer
⭐ 1,960 Python 👤 kimjammer User 🕐 更新日時 2025-01-17 📅 作成日 2024-01-07
66
microsoft/Magma

[CVPR 2025] Magma:マルチモーダルAIエージェントのための基盤モデル

microsoft
⭐ 1,948 Python 👤 microsoft Organization 🕐 更新日時 2026-03-03 📅 作成日 2024-11-22
67
gpt-omni/mini-omni2

ビジョン、音声、デュプレックス機能を備えたオープンソースGPT-4oに向けて

gpt-omni
⭐ 1,896 Python 👤 gpt-omni Organization 🕐 更新日時 2025-01-16 📅 作成日 2024-10-14
68
ivanfioravanti/chatbot-ollama

Chatbot OllamaはOllama向けのオープンソースチャットUIです。

ivanfioravanti
⭐ 1,892 TypeScript 👤 ivanfioravanti User 🕐 更新日時 2025-09-05 📅 作成日 2023-10-01
69
RanFeng/clipsketch-ai

ビデオの瞬間を手描きのストーリーに変換する

RanFeng
⭐ 1,883 TypeScript 👤 RanFeng User 🕐 更新日時 2026-01-14 📅 作成日 2025-11-27
70
AutoArk/EVA-OS

EVA OS — 次世代ハードウェア向けのリアルタイム・マルチモーダルAIOS。デバイスに「命」を吹き込み、本物の脳のようにインテリジェントな体験を実現します。

AutoArk
⭐ 1,875 👤 AutoArk Organization 🕐 更新日時 2026-08-03 📅 作成日 2025-11-26
71
Audio-AGI/AudioSep

「説明したものは何でも分離する」の公式実装

Audio-AGI
⭐ 1,857 Python 👤 Audio-AGI Organization 🕐 更新日時 2024-11-26 📅 作成日 2023-08-08
72
facebookresearch/MetaCLIP

NeurIPS 2025 Spotlight; ICLR2024 Spotlight; CVPR 2024; EMNLP 2024

facebookresearch
⭐ 1,856 Python 👤 facebookresearch Organization 🕐 更新日時 2026-08-11 📅 作成日 2023-09-28
73
Core-Mate/OpenGUI

OpenGUIは、スマートフォン向けAIのためのAndroid GUIエージェントフレームワークであり、GUIを通じて実際のモバイルアプリを認識、計画、操作することができます。

Core-Mate
⭐ 1,814 HTML 👤 Core-Mate Organization 🕐 更新日時 2026-11-16 📅 作成日 2026-04-18
74
apple-aiml-research/ml-4m

4M: 大規模マルチモーダルマスキングモデリング

apple-aiml-research
⭐ 1,814 Python 👤 apple-aiml-research Organization 🕐 更新日時 2026-09-11 📅 作成日 2024-04-08
76
kijai/ComfyUI-Florence2

推論 Microsoft Florence2 VLM

kijai
⭐ 1,764 Python 👤 kijai User 🕐 更新日時 2026-05-06 📅 作成日 2024-06-19
77
facebookresearch/multimodal

TorchMultimodalは、最先端のマルチモーダル・マルチタスクモデルを大規模にトレーニングするためのPyTorchライブラリです。

facebookresearch
⭐ 1,747 Python 👤 facebookresearch Organization 🕐 更新日時 2026-11-16 📅 作成日 2022-01-27
79
JiuhaiChen/BLIP3o

BLIP3oシリーズの公式実装

JiuhaiChen
⭐ 1,667 Python 👤 JiuhaiChen User 🕐 更新日時 2025-11-29 📅 作成日 2025-04-23
80
waybarrios/vllm-mlx

Apple Silicon 向けの高性能な OpenAI および Anthropic 互換 LLM 推論サーバー。ネイティブ MLX、継続的バッチ処理、マルチモーダルモデル、MCP ツール呼び出し、Claude Code サポート。

waybarrios
⭐ 1,657 Python 👤 waybarrios User 🕐 更新日時 2026-11-07 📅 作成日 2025-12-06
82
baaivision/Emu3.5

ネイティブマルチモーダルモデルは世界の学習者である

baaivision
⭐ 1,567 Python 👤 baaivision Organization 🕐 更新日時 2025-12-30 📅 作成日 2025-10-29
83
microsoft/SoM

[arXiv 2023] GPT-4V および LMM のための Set-of-Mark プロンプティング

microsoft
⭐ 1,499 Python 👤 microsoft Organization 🕐 更新日時 2024-08-19 📅 作成日 2023-10-16
84
Nutlope/napkins

napkins.dev – スクリーンショットからアプリへ

Nutlope
⭐ 1,484 TypeScript 👤 Nutlope User 🕐 更新日時 2026-10-23 📅 作成日 2024-09-18
86
zstar1003/ragflow-plus

Ragflow-PlusはRagflowの二次開発バージョンであり、より簡潔で実用的になっています。

zstar1003
⭐ 1,471 Python 👤 zstar1003 User 🕐 更新日時 2026-11-18 📅 作成日 2025-03-24
87
0nutation/SpeechGPT

SpeechGPTシリーズ:音声大規模言語モデル

0nutation
⭐ 1,397 Python 👤 0nutation User 🕐 更新日時 2024-07-22 📅 作成日 2023-05-16
88
IDEA-Research/awesome-detection-transformer

検出とセグメンテーションのためのトランスフォーマーに関する論文をいくつか収集します。コンピュータビジョン(CV)のためのAwesome Detection Transformer

IDEA-Research
⭐ 1,392 👤 IDEA-Research Organization 🕐 更新日時 2024-07-04 📅 作成日 2022-03-09
89
gokayfem/awesome-vlm-architectures

200種類以上の視覚言語モデル(VLM/MLLM)アーキテクチャを厳選したビジュアルカタログ。論文、図解、学習レシピ、データセットに加え、マルチモーダルAIエージェントのリリース年表を掲載。

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 更新日時 2026-10-27 📅 作成日 2024-02-15
90
poe-platform/server-bot-quick-start

Poeサーバーボットのチュートリアル

poe-platform
⭐ 1,347 Python 👤 poe-platform Organization 🕐 更新日時 2026-11-16 📅 作成日 2023-05-10
91
gavrielc/Nano-PDF

Nano Banana で PDF ファイルを編集

gavrielc
⭐ 1,331 Python 👤 gavrielc User 🕐 更新日時 2025-12-03 📅 作成日 2025-11-28
92
ConardLi/easy-llm-cli

複数のLLMモデルと互換性のあるオープンソースAIエージェント

ConardLi
⭐ 1,319 TypeScript 👤 ConardLi User 🕐 更新日時 2026-02-05 📅 作成日 2025-07-11
93
Meituan-AutoML/MobileVLM

モバイルデバイス向けの強力でオープンなビジョン言語アシスタント

Meituan-AutoML
⭐ 1,317 Python 👤 Meituan-AutoML Organization 🕐 更新日時 2024-04-15 📅 作成日 2023-12-29
94
hemingkx/SpeculativeDecodingPapers

📰 Speculative Decoding に関する必読論文とブログ ⚡️

hemingkx
⭐ 1,309 👤 hemingkx User 🕐 更新日時 2026-06-27 📅 作成日 2023-09-20
95
JMAN730/opendroid

あなたのオープンな自律型Androidエージェント — ローカル/リモートLLMとアクセシビリティ駆動の画面自動化を活用した、本番環境対応の自己計画型AIアシスタント。

JMAN730
⭐ 1,300 Kotlin 👤 JMAN730 User 🕐 更新日時 2026-11-10 📅 作成日 2026-05-21
96
opendatalab/LabelLLM

オープンソースデータアノテーションプラットフォーム

opendatalab
⭐ 1,298 TypeScript 👤 opendatalab Organization 🕐 更新日時 2026-07-02 📅 作成日 2024-05-07
⭐ 1,293 Python 👤 Visual-Agent Organization 🕐 更新日時 2025-11-20 📅 作成日 2025-03-15
98
aiming-lab/Agent0

[ICML'26 & COLM'26] Agent0シリーズ:ゼロデータから自己進化するエージェント

aiming-lab
⭐ 1,292 Python 👤 aiming-lab Organization 🕐 更新日時 2026-07-10 📅 作成日 2025-10-20
99
OpenTSLM/OpenTSLM

OpenTSLM: 多変量医療テキストおよび時系列データにおける推論のための時系列言語モデル

OpenTSLM
⭐ 1,273 Python 👤 OpenTSLM Organization 🕐 更新日時 2026-07-21 📅 作成日 2025-05-14
100
VILA-Lab/Awesome-DLMs

調査論文「A Survey on Diffusion Language Models」の公式GitHubリポジトリ。

VILA-Lab
⭐ 1,252 👤 VILA-Lab Organization 🕐 更新日時 2026-10-02 📅 作成日 2025-07-14