Git Stars Git Stars

#multimodal リポジトリ

183
リポジトリ総数
700,629
合計スター数
3,828
リポジトリあたりの平均スター数

リポジトリ合計183件

51
docarray/docarray

マルチモーダルデータの表現、送信、保存、検索

docarray
⭐ 3,123 Python 👤 docarray Organization 🕐 更新日時 2026-03-27 📅 作成日 2021-12-14
52
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive:長期ストリーミングビデオおよびオーディオインタラクションのための包括的なマルチモーダルシステム

InternLM
⭐ 2,925 Python 👤 InternLM Organization 🕐 更新日時 2025-05-26 📅 作成日 2023-09-26
53
datachain-ai/datachain

非構造化データのためのコンテキストレイヤー:S3、GCS、Azure上の型付き・バージョン管理されたデータセット

datachain-ai
⭐ 2,831 Python 👤 datachain-ai Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-06-25
54
autodistill/autodistill

ラベルなし推論用画像(基盤モデルを使用して教師ありモデルをトレーニングします)。

autodistill
⭐ 2,802 Python 👤 autodistill Organization 🕐 更新日時 2026-09-29 📅 作成日 2023-06-06
55
rom1504/clip-retrieval

クリップの埋め込みを簡単に計算し、それらを使用してクリップ検索システムを構築します

rom1504
⭐ 2,799 Jupyter Notebook 👤 rom1504 User 🕐 更新日時 2026-03-28 📅 作成日 2021-06-07
56
roboflow/maestro

マルチモーダルモデルのファインチューニングプロセスを合理化する:PaliGemma 2、Florence-2、Qwen2.5-VL

roboflow
⭐ 2,696 Python 👤 roboflow Organization 🕐 更新日時 2026-11-16 📅 作成日 2023-11-24
57
genieincodebottle/generative-ai

詳細なロードマップ、プロジェクト、ユースケース、面接準備、コーディング準備を含む、生成AIに関する包括的なリソース。

genieincodebottle
⭐ 2,675 Jupyter Notebook 👤 genieincodebottle User 🕐 更新日時 2026-11-09 📅 作成日 2024-01-09
58
om-ai-lab/OmAgent

[EMNLP-2024] 迅速なプロトタイプと本番運用のためのマルチモーダル言語エージェントの構築

om-ai-lab
⭐ 2,670 Python 👤 om-ai-lab Organization 🕐 更新日時 2026-10-16 📅 作成日 2024-07-04
59
OFA-Sys/OFA

OFA (ICML 2022) の公式リポジトリ。論文:OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework

OFA-Sys
⭐ 2,550 Python 👤 OFA-Sys Organization 🕐 更新日時 2024-04-24 📅 作成日 2022-01-29
60
X-PLUG/mPLUG-Owl

mPLUG-Owl: 強力なマルチモーダル大規模言語モデルファミリー

X-PLUG
⭐ 2,541 Python 👤 X-PLUG Organization 🕐 更新日時 2025-04-02 📅 作成日 2023-04-25
61
InternLM/HuixiangDou

HuixiangDou: LLMベースの技術支援によるグループチャットシナリオの克服

InternLM
⭐ 2,500 Python 👤 InternLM Organization 🕐 更新日時 2025-11-24 📅 作成日 2023-12-28
62
AI-Efficiency/Awesome-Model-Quantization

モデル量子化に関する論文、ベンチマーク、サーベイ、ツールを厳選してまとめたコレクション。低ビットネットワーク、LLM、マルチモーダルモデルおよび生成モデル、ベクトル量子化と格子量子化、効率的なデプロイを扱います。

AI-Efficiency
⭐ 2,471 👤 AI-Efficiency Organization 🕐 更新日時 2026-11-16 📅 作成日 2018-10-18
63
Yutong-Zhou-cv/Awesome-Text-to-Image

(ෆ`꒳´ෆ) テキストから画像への生成/合成に関する調査。

Yutong-Zhou-cv
⭐ 2,444 👤 Yutong-Zhou-cv User 🕐 更新日時 2026-11-03 📅 作成日 2020-10-13
64
Stability-AI/stability-sdk

stability.ai API(例:Stable Diffusion 推論)と対話するための SDK

Stability-AI
⭐ 2,436 Jupyter Notebook 👤 Stability-AI Organization 🕐 更新日時 2026-05-14 📅 作成日 2022-08-22
65
Turbo1123/roubao

iPhone向け肉包 Roubao 2.0:オープンソースのiOS AIエージェント。所有者の許可に基づくMicro-X UI制御、カスタムモデル、中断後に再開できるタスク、PDFレポートに対応。実行時にWi-Fi、脱獄、コンピューター、追加のハードウェアは不要(セットアップにはMacとUSBが必要)。旧Android版も引き続き提供。

Turbo1123
⭐ 2,422 Swift 👤 Turbo1123 User 🕐 更新日時 2026-11-09 📅 作成日 2025-12-09
66
OpenGVLab/InternVideo

[ECCV2024] マルチモーダル理解のためのビデオ基礎モデルとデータ

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 更新日時 2026-07-02 📅 作成日 2022-11-23
67
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer:ゼロから、またはシードデータから高品質な合成データを生成。

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-10-16
68
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl:ドキュメント理解のためのモジュール化されたマルチモーダル大規模言語モデル

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 更新日時 2025-05-30 📅 作成日 2023-07-04
69
HUANGCHIHHUNGLeo/claude-real-video

Claude(または任意のLLM)に実際に動画を視聴させる — シーン認識、重複除去されたフレーム+トランスクリプト、URLまたはローカルファイルから。ローカルで実行、MITライセンス。

HUANGCHIHHUNGLeo
⭐ 2,329 Python 👤 HUANGCHIHHUNGLeo User 🕐 更新日時 2026-11-20 📅 作成日 2026-06-30
70
google-gemini/genai-processors

GenAI Processorsは、効率的で並列なコンテンツ処理を可能にする軽量Pythonライブラリです。

google-gemini
⭐ 2,125 Python 👤 google-gemini Organization 🕐 更新日時 2026-11-10 📅 作成日 2025-04-29
71
fikrikarim/parlor

GPT-Liveと同様の機能を備えたデバイス内リアルタイムマルチモーダルAI

fikrikarim
⭐ 2,117 Python 👤 fikrikarim User 🕐 更新日時 2026-08-03 📅 作成日 2026-04-05
72
showlab/Show-o

[ICLR & NeurIPS 2025] Show-oシリーズのリポジトリ、マルチモーダル理解と生成を統一する単一のTransformer。

showlab
⭐ 1,988 Python 👤 showlab Organization 🕐 更新日時 2026-01-08 📅 作成日 2024-08-09
73
2U1/Qwen-VL-Series-Finetune

Alibaba CloudによるQwen-VLシリーズのファインチューニングのためのオープンソース実装。

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 更新日時 2026-09-09 📅 作成日 2024-09-10
74
kyegomez/BitNet

PyTorch における「BitNet: 大規模言語モデルのための 1 ビット Transformer のスケーリング」の実装

kyegomez
⭐ 1,949 Python 👤 kyegomez User 🕐 更新日時 2026-11-16 📅 作成日 2023-10-18
75
sgl-project/sglang-omni

対話型スーパーインテリジェンスシステム向け高性能サービングランタイム

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-01-07
76
AlibabaResearch/AdvancedLiterateMachinery

高度な文学機械に向けた、オリジナルで革新的なアイデアとアルゴリズムのコレクション。このプロジェクトは、Alibaba GroupのTongyi LabのLanguage Technology LabのOCRチームによって維持されています。

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 更新日時 2026-03-17 📅 作成日 2022-09-28
77
potamides/DeTikZify

TikZを用いた科学図表とスケッチのためのグラフィックスプログラムの合成。

potamides
⭐ 1,831 Python 👤 potamides User 🕐 更新日時 2026-09-17 📅 作成日 2023-11-27
78
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
79
alan-ai/alan-sdk-android

アプリのためのセルフコーディングシステム — Android用 Alan AI SDK

alan-ai
⭐ 1,815 👤 alan-ai Organization 🕐 更新日時 2025-04-22 📅 作成日 2019-10-01
⭐ 1,795 Python 👤 microsoft Organization 🕐 更新日時 2026-11-02 📅 作成日 2026-06-15
81
alan-ai/alan-sdk-flutter

あなたのアプリのための自動コーディングシステム — Flutter用Alan AI SDK

alan-ai
⭐ 1,768 Ruby 👤 alan-ai Organization 🕐 更新日時 2025-04-22 📅 作成日 2020-04-22
82
pixeltable/pixeltable

バックエンドエージェントは、マルチモーダルデータベース、オーケストレーション、サービングを1つのファイルで構築

pixeltable
⭐ 1,664 Python 👤 pixeltable Organization 🕐 更新日時 2026-11-21 📅 作成日 2023-05-10
83
alan-ai/alan-sdk-ionic

あなたのアプリのための自己コーディングシステム — Ionic用 Alan AI SDK

alan-ai
⭐ 1,661 TypeScript 👤 alan-ai Organization 🕐 更新日時 2025-04-22 📅 作成日 2020-04-24
84
UbiquitousLearning/mllm

モバイルデバイス上の高速マルチモーダルLLM

UbiquitousLearning
⭐ 1,643 C++ 👤 UbiquitousLearning User 🕐 更新日時 2026-09-30 📅 作成日 2023-08-30
85
verl-project/verl-omni

拡散モデルおよびオムニモデル向けのマルチモーダルRLトレーニングフレームワーク

verl-project
⭐ 1,560 Python 👤 verl-project Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-04-21
86
ATH-MaaS/Ovis

視覚的およびテキスト的な埋め込みを構造的に整合するように設計された、新しいマルチモーダル大規模言語モデル(MLLM)アーキテクチャ。

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 更新日時 2026-07-15 📅 作成日 2024-06-13
87
valentinfrlch/ha-llmvision

あなたの家のための視覚知能。

valentinfrlch
⭐ 1,535 Python 👤 valentinfrlch User 🕐 更新日時 2026-11-12 📅 作成日 2024-05-14
88
emcf/thepipe

ビジョン・言語モデルを活用し、扱いにくい文書からクリーンなデータを取得 ⚡

emcf
⭐ 1,529 Python 👤 emcf User 🕐 更新日時 2026-09-28 📅 作成日 2024-03-22
89
jordanrendric/claude-video-vision

Claudeに動画を視聴し理解する能力を付与する — フレーム抽出とマルチモーダル音声分析を備えたClaude Codeプラグイン

jordanrendric
⭐ 1,523 TypeScript 👤 jordanrendric User 🕐 更新日時 2026-10-14 📅 作成日 2026-03-31
90
llm-jp/awesome-japanese-llm

日本語LLMまとめ - Overview of Japanese LLMs

llm-jp
⭐ 1,446 TypeScript 👤 llm-jp Organization 🕐 更新日時 2026-11-09 📅 作成日 2023-07-09
91
xtreme1-io/xtreme1

Xtreme1は、マルチモーダルデータトレーニング用のオールインワンデータラベリングおよびアノテーションプラットフォームであり、3D LiDARポイントクラウド、画像、LLMをサポートしています。

xtreme1-io
⭐ 1,395 TypeScript 👤 xtreme1-io Organization 🕐 更新日時 2026-09-29 📅 作成日 2022-08-08
92
dailenson/SDT

このリポジトリは、手書き生成におけるライターと文字のスタイルの分離 (CVPR 2023) の公式実装です。

dailenson
⭐ 1,393 Python 👤 dailenson User 🕐 更新日時 2025-06-26 📅 作成日 2023-03-22
93
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
94
Capsize-Games/airunner

アート、リアルタイム音声会話、LLM駆動のチャットボット、自動化されたワークフローのためのオフライン推論エンジン

Capsize-Games
⭐ 1,317 Python 👤 Capsize-Games Organization 🕐 更新日時 2026-11-20 📅 作成日 2023-03-21
95
ysr666/dsh-vision-router

テキストのみで動作する DeepSeek Harness エージェントに視覚機能を追加:無料のビジョンチェーンを内蔵(キー不要)+ピクセルレベルのビジョンツール(Q&A、グラウンディング、トリミング、ピクセル差分、色、OCR、SVG トレース、切り抜き、スクリーンショット)。ワンコマンドでインストールでき、Python は不要。画像ターンも通常のツール呼び出しターンと同じように動作します。

ysr666
⭐ 1,294 JavaScript 👤 ysr666 User 🕐 更新日時 2026-11-21 📅 作成日 2026-08-13
96
Anionex/agent-vision-toolkit

テキストのみのモデルが画像を「見る」ためのより良いビジョンツールキットとスキルを設計し、複数画像の理解、画像Q&A、フロントエンドUIの復元、GUI自動化などをサポートし、オプションで複数の主流エージェントとシームレスに統合し、貼り付け画像を直接認識します | テキストのみのLLM向けに設計されたビジョンツールキットとスキル:画像Q&A、長いスクリーンショットのOCR、フロントエンドUIの復元、GUI自動化、Codex、Claude Code、Pi、Oh My Pi、OpenCodeとのオプションのシームレス統合

Anionex
⭐ 1,267 Python 👤 Anionex User 🕐 更新日時 2026-10-13 📅 作成日 2026-08-01
97
unum-cloud/UForm

マルチモーダル知覚のための分散学習・推論:テキスト、画像、動画、音声、コード、グラフで共有される埋め込み(64〜1024次元)🖼️

unum-cloud
⭐ 1,253 Cuda 👤 unum-cloud Organization 🕐 更新日時 2026-11-18 📅 作成日 2023-02-21
98
Zen4-bit/Proxima

マルチAI MCPサーバー - APIなしでChatGPT、Claude、Gemini、Perplexityをコーディングツールに接続

Zen4-bit
⭐ 1,220 JavaScript 👤 Zen4-bit User 🕐 更新日時 2026-11-20 📅 作成日 2026-02-02
99
nv-tlabs/LLaMA-Mesh

言語モデルによる3Dメッシュ生成の統合

nv-tlabs
⭐ 1,153 Python 👤 nv-tlabs Organization 🕐 更新日時 2025-03-28 📅 作成日 2024-11-14
100
OpenMOSS/MOVA

動画と音声を単一のモデルで同期生成する基盤モデル

OpenMOSS
⭐ 1,151 Python 👤 OpenMOSS Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-01-28