#multimodal 仓库
183
仓库总数
700,629
总星标数
3,828
平均每个仓库星标数
共 183 个仓库
⭐ 651
👤 taboospecialistblade User
🕐 已更新 2026-11-15
📅 创建时间 2026-11-14
⭐ 650
👤 Tonephorepair User
🕐 已更新 2026-11-15
📅 创建时间 2026-11-14
⭐ 649
👤 trackboatwrightplan User
🕐 已更新 2026-11-15
📅 创建时间 2026-11-14
157
SkalskiP/awesome-foundation-and-multimodal-models
👁️ + 💬 + 🎧 = 🤖 精选的顶级基础模型和多模态模型列表![论文 + 代码 + 示例 + 教程]
159
Denis2054/RAG-Driven-Generative-AI
该存储库提供了使用 LlamaIndex、Deep Lake 和 Pinecone 构建生成式 AI 的检索增强生成 (RAG) 代码的程序,利用 OpenAI 和 Hugging Face 模型在生成和评估方面的强大功能。
164
oxbshw/watch-skill
为 AI 智能体配备眼睛、耳朵和可验证的结果。Watch Skill 将视频、音频和屏幕活动转化为可搜索、带时间戳的证据,并通过确定性契约而非模型观点证明工作成果。DeepWatch 是基于 DeepSeek Harness 构建的智能体工作空间。支持 Python + npm、MCP、CLI、REST 和 Web。
168
SAOS-3624/dsh-video-storyboard
适用于 DeepSeek Harness 的场景感知型分镜:将 9–16 个带编号的画面格、时间戳、转录文本和音频包络压缩到一张图像中(384 个 token)。两种工具:video_storyboard 和 video_zoom。
176
Flame-Code-VLM/Flame-Code-VLM
Flame 是一个开源的多模态 AI 系统,旨在将 UI 设计模型翻译成高质量的 React 代码。它利用视觉语言建模、自动化数据合成和结构化训练工作流程,以弥合设计与前端开发之间的差距。
181
google/break-a-scene
“Break-A-Scene: Extracting Multiple Concepts from a Single Image”[SIGGRAPH Asia 2023]的官方实现