#multi-modal Репозитории
Откройте для себя 47 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #multi-modal, с общим числом 208,313 звёзд (в среднем 4,432 на проект). Лидером этой темы является agentscope-ai/agentscope, набравший 36,422 звёзд.
Всего репозиториев: 47
Создавайте и запускайте агенты, которые вы можете видеть, понимать и которым доверять.
Фреймворк с открытым исходным кодом для диалоговых голосовых ИИ-агентов
[CVPR 2024 Oral] InternVL Family: новаторская альтернатива GPT-4o с открытым исходным кодом. Мультимодальная диалоговая модель с открытым исходным кодом, приближающаяся по производительности к GPT-4o.
Рабочее пространство ИИ для экспертов. Переключайтесь между более чем 800 моделями прямо во время чата, настраивайте более 40 параметров и сравнивайте модели Beam бок о бок. Используйте собственные ключи и размещайте систему самостоятельно. Построено на нашем движке нативного протокола: надёжном, чрезвычайно гибком в настройке и быстром.
передовая открытая визуальная языковая модель | мультимодальная предварительно обученная модель
Китайская версия CLIP, которая обеспечивает китайский межмодальный поиск и генерацию представлений.
Реализация / воспроизведение DALL-E, трансформера OpenAI для преобразования текста в изображение, на Pytorch
Набор инструментов для оценки больших мультимодальных моделей (LMM) с открытым исходным кодом, поддержка 220+ LMM, 80+ бенчмарков
Китайская и английская мультимодальная разговорная языковая модель | Мультимодальная китайско-английская двуязычная диалоговая языковая модель
Библиотека C#/.NET для эффективного запуска LLM (🦙LLaMA/LLaVA) на вашем локальном устройстве.
Экосистема ИИ-ассистента с открытым исходным кодом, включающая интеграции MCP, мультимодальные рабочие процессы, поддержку IoT и кроссплатформенное голосовое взаимодействие.
【EMNLP 2024🔥】Video-LLaVA: Обучение единому визуальному представлению путем выравнивания перед проецированием
Страница проекта «LISA: Сегментация с рассуждениями с помощью большой языковой модели»
Сборник отраслевых классических и передовых статей по рекомендациям/рекламе/поиску. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
[NeurIPS 2023] MotionGPT: Человеческое движение как иностранный язык, унифицированная модель генерации движения-языка с использованием LLM
Мощный универсальный GPT-интерфейс для Discord. Диалоги в стиле ChatGPT, генерация изображений, ИИ-модерация, пользовательские индексы/базы знаний, суммаризатор YouTube и многое другое!
Семейство SALMONN: набор передовых мультимодальных больших языковых моделей (LLM)
Реализация Transfusion на Pytorch, «Предсказание следующего токена и диффузия изображений с помощью одной мультимодальной модели» от MetaAI
Инженерия данных для больших моделей: Архитектура, алгоритмы и практика проектов
[pip install medmnist] 18 стандартизированных наборов данных для 2D и 3D классификации биомедицинских изображений
Этот репозиторий собирает статьи для «Обзор методов дистилляции знаний больших языковых моделей». Мы разбиваем KD на извлечение знаний и алгоритмы дистилляции, а также исследуем дистилляцию навыков и вертикальную дистилляцию LLM.
FarmVibes.AI: Мультимодальные геопространственные ML-модели для сельского хозяйства и устойчивого развития
【ICLR 2024🔥】 Расширение предварительного обучения видео-языка на N-модальности с помощью семантического выравнивания на основе языка
Используйте позднеинтерактивные мультимодальные модели, такие как ColPali, всего в нескольких строках кода.
[CVPR 2026🔥] 🧑🎨 OmniLottie, открытый генератор векторных анимаций с мульти‑модальными инструкциями, который генерирует файлы Lottie JSON.
Мультимодальный OCR-конвейер, оптимизированный для обучения ML (текст, рисунки, математика, таблицы, диаграммы)
[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Геометрически-ориентированное унифицированное моделирование мира
Много-модельная параллельная генерация AI-фильмов на основе DAG — параллельное ускорение масштабируется с независимостью сцен; Генерировать сцены фильма одновременно, а не по одной; "Преобразовать граф выполнения генерации аудиовизуального контента из топологического порядка в оптимальное планирование критического пути"; Единственный движок генерации фильмов, моделирующий зависимости нарратива сцен как DAG и использующий алгоритм CPM для параллельного планирования
🌐 Модели «зрение — язык — действие» для автономного вождения: прошлое, настоящее и будущее
FashionCLIP — это модель, похожая на CLIP, дообученная для домена моды.
🔥🔥🔥[AAAI 2026 Oral] Официальная реализация Robust‑R1: Деградационно‑сознательное рассуждение для надёжного визуального понимания
Часто задаваемые вопросы
Какой репозиторий по теме #multi-modal наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #multi-modal на GitHub — agentscope-ai/agentscope, набравший 36,422 звёзд. Создавайте и запускайте агенты, которые вы можете видеть, понимать и которым доверять.
Какие языки программирования чаще всего используются в репозиториях по теме #multi-modal?
Среди наиболее высоко оценённых проектов по теме #multi-modal на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, TypeScript, C++.
Как рассчитывается рейтинг репозиториев по теме #multi-modal?
Мы отслеживаем 47 активных репозиториев с открытым исходным кодом, отмеченных тегом #multi-modal (500 и более звёзд), с общим числом 208,313 звёзд и в среднем 4,432 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.