#multimodal-llm リポジトリ
#multimodal-llmのタグが付いた、GitHub上の27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63,138個で、プロジェクトあたりの平均は2,338個です。このトピックをリードしているのは、22,833個のスターを獲得しているanthropics/coursesです。
リポジトリ合計27件
聞いたり、話したり、考えたりできるオープンソースのマルチモーダル大規模言語モデル。リアルタイムのエンドツーエンド音声入力とストリーミングオーディオ出力の会話機能を備えています。
OCRFluxは、複雑なレイアウトの處理、困難なテーブルの解析、およびページをまたがるコンテンツのマージに優れ、PDFからMarkdownへの変換を大幅に進歩させる、軽量でありながら強力なマルチモーダルツールキットです。
標準中国語、中国語方言、英語をサポートするオープンソースの産業グレードASRモデルは、公開されている標準中国語ASRベンチマークで新たなSOTAを達成するとともに、優れた歌唱歌詞認識機能も提供します。
WeMM-Embeddingは、テンセントのWeChat Visionチームが開発した汎用マルチモーダル埋め込みモデルファミリーであり、マルチモーダルな理解と検索をサポートしています。
AgentCPM-GUI: Androidアプリの操作のためのオンデバイスGUIエージェント。強化ファインチューニングによる推論能力の向上により、効率的なタスク実行を実現します。
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。
論文「MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens」の公式実装
ASR、VAD、LID、Puncモジュールを備えた最先端の産業用オールインワンASRシステムです。FireRedASR2は中国語(北京語、20以上の方言/アクセント)、英語、コードスイッチング、音声および歌唱ASRをサポートします。FireRedVADは100以上の言語で音声/歌唱/音楽をサポートします。FireRedLIDは100以上の言語と20以上の中国語方言をサポートします。FireRedPuncは中国語と英語をサポートします。
このプロジェクトは、ChatGPTとWhatsAppの統合を探求し、チャットボットを、友人との会話、顧客からの質問への回答などのタスクを実行できる仮想アシスタントに変え、会話に人間味を加えます。
よくある質問
GitHubで最も人気のある#multimodal-llm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-llmプロジェクトは、22,833個のスターを獲得しているanthropics/coursesです。Anthropicの教育コース
#multimodal-llm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-llmプロジェクトでは、Python, Jupyter Notebook, Markdown, TypeScriptが最も一般的なプログラミング言語です。
#multimodal-llm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-llmのタグが付いた27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63,138個で、リポジトリあたりの平均は2,338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。