Git Stars Git Stars

#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。

27
リポジトリ総数
63,138
合計スター数
2,338
リポジトリあたりの平均スター数

リポジトリ合計27件

1
anthropics/courses

Anthropicの教育コース

anthropics
⭐ 22,833 Jupyter Notebook 👤 anthropics Organization 🕐 更新日時 2026-08-28 📅 作成日 2024-05-30
2
MoonshotAI/Kimi-Audio

Kimi-Audio、オーディオの理解、生成、会話に優れたオープンソースのオーディオ基盤モデル

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 更新日時 2025-06-21 📅 作成日 2025-04-25
4
gpt-omni/mini-omni

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。

gpt-omni
⭐ 3,504 Python 👤 gpt-omni Organization 🕐 更新日時 2024-11-05 📅 作成日 2024-08-27
5
Everlyn-Labs/Everlyn-1

初のオープンな自己回帰型基礎ビデオAIモデル。

Everlyn-Labs
⭐ 2,891 👤 Everlyn-Labs Organization 🕐 更新日時 2026-10-07 📅 作成日 2024-10-13
6
chatdoc-com/OCRFlux

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。

chatdoc-com
⭐ 2,532 Python 👤 chatdoc-com Organization 🕐 更新日時 2026-04-14 📅 作成日 2025-06-04
7
MoonshotAI/Kimi-K2.5

オープンビジュアルエージェンティックインテリジェンス

MoonshotAI
⭐ 2,321 👤 MoonshotAI Organization 🕐 更新日時 2026-08-06 📅 作成日 2026-01-30
8
FireRedTeam/FireRedASR

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。

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 更新日時 2026-02-25 📅 作成日 2025-01-24
9
Tencent/WeMM-Embedding

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。

Tencent
⭐ 1,824 Python 👤 Tencent Organization 🕐 更新日時 2026-10-29 📅 作成日 2026-08-25
10
OpenBMB/AgentCPM-GUI

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。

OpenBMB
⭐ 1,431 Python 👤 OpenBMB Organization 🕐 更新日時 2026-01-11 📅 作成日 2025-05-13
11
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
12
DLYuanGod/TinyGPT-V

TinyGPT-V:小さなバックボーンによる効率的なマルチモーダル大規模言語モデル

DLYuanGod
⭐ 1,313 Python 👤 DLYuanGod User 🕐 更新日時 2026-02-05 📅 作成日 2023-12-28
13
DAMO-NLP-SG/VideoLLaMA2

VideoLLaMA 2: Video-LLMにおける時空間モデリングと音声理解の進歩

DAMO-NLP-SG
⭐ 1,298 Python 👤 DAMO-NLP-SG Organization 🕐 更新日時 2025-01-23 📅 作成日 2024-05-31
14
HITsz-TMG/Uni-MoE

Uni-MoE:ライチの大規模マルチモーダルモデルファミリー。

HITsz-TMG
⭐ 1,120 Python 👤 HITsz-TMG Organization 🕐 更新日時 2026-08-06 📅 作成日 2024-03-04
15
ZJUI-AI4H/Hulu-Med

包括的な医療視覚言語理解に向けた透明な汎用モデル

ZJUI-AI4H
⭐ 1,031 Python 👤 ZJUI-AI4H User 🕐 更新日時 2026-08-30 📅 作成日 2025-10-08
16
tulerfeng/Video-R1

Video-R1: MLLMにおけるビデオ推論の強化 [🔥ビデオのためのR1を最初に探求した論文]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 更新日時 2025-12-14 📅 作成日 2025-02-22
17
UCSB-AI/MiniGPT-5

論文「MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens」の公式実装

UCSB-AI
⭐ 865 Python 👤 UCSB-AI Organization 🕐 更新日時 2025-05-08 📅 作成日 2023-10-02
18
ngafar/llama-scan

ローカルLLMでPDFを文字起こしする

ngafar
⭐ 807 Python 👤 ngafar User 🕐 更新日時 2026-10-22 📅 作成日 2025-06-11
19
FireRedTeam/FireRedASR2S

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。

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 更新日時 2026-06-02 📅 作成日 2026-02-12
⭐ 703 Python 👤 stepfun-ai Organization 🕐 更新日時 2026-04-29 📅 作成日 2025-11-11
21
showlab/videollm-online

VideoLLM-online: ストリーミングビデオのためのオンラインビデオ大規模言語モデル (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 更新日時 2025-11-26 📅 作成日 2024-06-17
22
penghao-wu/vstar

「V* : Guided Visual Search as a Core Mechanism in Multimodal LLMs」のPyTorch実装

penghao-wu
⭐ 684 Python 👤 penghao-wu User 🕐 更新日時 2024-01-07 📅 作成日 2023-12-15
23
Zeyi-Lin/LLM-Finetune

大規模言語モデルのファインチューニング、Qwen2VL、Qwen2、GLM4指示ファインチューニング

Zeyi-Lin
⭐ 644 Jupyter Notebook 👤 Zeyi-Lin User 🕐 更新日時 2025-05-26 📅 作成日 2024-06-10
24
ShaohonChen/Qwen3-SmVL

SmolVLM2のビジュアルヘッドをQwen3-0.6Bモデルと連結してファインチューニングを実施しました。

ShaohonChen
⭐ 608 Python 👤 ShaohonChen User 🕐 更新日時 2025-09-08 📅 作成日 2025-07-12
25
jy0205/LaVIT

LaVIT: 大規模言語モデルが視覚コンテンツを理解・生成できるようにする

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 更新日時 2024-10-06 📅 作成日 2023-09-09
26
omarcusdev/zap-gpt-free

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。

omarcusdev
⭐ 597 TypeScript 👤 omarcusdev User 🕐 更新日時 2024-12-07 📅 作成日 2024-01-09
27
OpenGVLab/VideoChat-Flash

[ICLR2026] VideoChat-Flash: 長期コンテキストビデオモデリング用の階層的圧縮

OpenGVLab
⭐ 532 Python 👤 OpenGVLab Organization 🕐 更新日時 2026-07-19 📅 作成日 2024-03-24

よくある質問

1

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

2

#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。

3

#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。