262 repos · 11 categories · GitHub上のAI関連OSSを日本語で早見 · 毎日自動更新

マルチモーダル (33 repos)

カテゴリ「マルチモーダル」のリポジトリ一覧

並び替え: ★ star数順 ✨ 新規追加順 ⏱ 更新順 ← 全カテゴリ
マルチモーダル
HF
MOSS-Audio-8B-Thinking
MOSS-Audio-8B-Thinkingは、音声・環境音・音楽を横断的に理解できるオープンソースの音声理解モデルです。文字起こ…
#CLI #GPU推奨 #Hugging Face対応
❤ 61 ↓ 42.5k apache-2.0 2026-04-14
マルチモーダル
HF
MOSS-VL-Base-0408
MOSS-VL-Base-0408は、OpenMOSS系の画像・動画理解向けマルチモーダル基盤モデルです。4段階の事前学習のみで構築さ…
#CLI #GPU必須
❤ 59 ↓ 317 apache-2.0 2026-04-23
マルチモーダル
HF
MOSS-Audio-4B-Instruct
MOSS-Audio-4B-Instructは、音声・環境音・音楽を統合的に理解し、テキストで応答するオープンソースの音声理解モデ…
#CLI #GPU推奨 #Gradio
❤ 51 ↓ 3.0k apache-2.0 2026-04-14
マルチモーダル
HF
MOSS-Audio-8B-Instruct
MOSS-Audio-8B-Instructは、音声・環境音・音楽をまとめて理解できるオープンソースの音声理解モデルです。音声認識…
#CLI #Gradio #SGLang
❤ 37 ↓ 1.8k apache-2.0 2026-04-14
マルチモーダル
HF
MOSS-Audio-4B-Thinking
MOSS-Audio-4B-Thinkingは、音声・環境音・音楽をまとめて理解し、文字起こし、話者や感情の分析、音の状況把握、要…
#CLI #GPU推奨 #Gradio
❤ 28 ↓ 891 apache-2.0 2026-04-14
マルチモーダル
HF
sam3-litetext-s0
SAM3-LiteTextは、視覚言語セグメンテーションモデルSAM3の重いテキストエンコーダを、知識蒸留で最適化した軽量なMo…
#GPU推奨 #mask-generation #Vision-Language
❤ 17 ↓ 5.8k apache-2.0 2026-04-21
マルチモーダル
HF
moss-video-preview-base
MOSS-Video-Preview-Baseは、動画と言語をネイティブに統合して扱うクロスアテンション型の事前学習ベースモデルです…
#GPU推奨
❤ 12 ↓ 100 apache-2.0 2026-03-22
マルチモーダル
HF
AURA
AURAは、映像ストリームを継続的に理解し、音声対話を通じてリアルタイム支援を行うマルチモーダル動画理解システム…
#リアルタイム #音声対話
❤ 12 ↓ 659 apache-2.0 2026-04-07
マルチモーダル
HF
MolmoPoint-Vid-4B
MolmoPoint-Vid-4Bは、Allen Institute for AIが公開した動画向けのオープンな視覚言語モデルで、映像内の対象物を座…
#CLI #GPU推奨 #Transformers対応
❤ 9 ↓ 296 apache-2.0 2026-03-30