マルチモーダルDeepSeek-VL
DeepSeek-VLは、実世界の視覚と言語の理解を目指して開発されたオープンソースのVision-Language (VL) モデルです。…
★ 4.1k ⑂ 593 MIT 2024-04-24
マルチモーダル (298 repos)
カテゴリ「マルチモーダル」のリポジトリ一覧
マルチモーダル
マルチモーダルMiniMax-01
「MiniMax-AI/MiniMax-01」は、Linear Attentionを基盤とする大規模言語モデル「MiniMax-Text-01」と、ビジョン言語…
★ 3.4k ⑂ 330 MIT 2025-07-07
マルチモーダルMGM
「Mini-Gemini」は、画像理解、推論、生成を同時に行うことができるマルチモダリティ大規模言語モデル（LLM）フレー…
★ 3.3k ⑂ 275 Apache-2.0 2024-05-04
マルチモーダルgemma-4-31B-it
Gemma 4 31B itは、Google DeepMindのオープンウェイトな命令調整済みマルチモーダルモデルです。テキストと画像を入…
❤ 3.1k ↓ 11.4M apache-2.0 2026-06-03
マルチモーダルQwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive
Qwen3.6-35B-A3Bをベースに、拒否応答を極力外したHauhauCS製のGGUF配布モデルです。テキストに加えて画像・動画も扱…
❤ 2.5k ↓ 2.9M apache-2.0 2026-04-17
マルチモーダルsam3
SAM 3は、画像と動画に対してプロンプト可能なセグメンテーションを行う統合基盤モデルです。短いテキスト、点、ボッ…
❤ 2.4k ↓ 1.7M other 2025-11-20
マルチモーダルQwen3.6-35B-A3B
Qwen3.6-35B-A3Bは、Hugging Face Transformers形式で提供されるオープンウェイトの大規模マルチモーダル生成モデル…
❤ 2.3k ↓ 5.9M apache-2.0 2026-04-24
マルチモーダルclip-vit-large-patch14
OpenAIが開発したCLIPモデルは、画像とテキストの関連性を学習し、未知の画像分類タスクに対してゼロショットで高い…
❤ 2.0k ↓ 12.4M 2023-09-15
マルチモーダルGLM-OCR
GLM-OCRは、複雑な文書を高精度に読み取り・解析できるマルチモーダルOCRモデルです。数式、表、情報抽出まで対応し…
❤ 1.9k ↓ 3.1M mit 2026-05-19
マルチモーダルparlor
Parlorは、Gemma 4 E2BとKokoroを搭載し、デバイス上でリアルタイムに動作するマルチモーダルAIです。音声と視覚を理…
★ 1.9k ⑂ 237 Apache-2.0 2026-06-04
マルチモーダルQwen3.6-27B
Qwen3.6-27Bは、Hugging Face Transformers形式で提供されるオープンウェイトの大規模マルチモーダルモデルです。画…
❤ 1.9k ↓ 4.9M apache-2.0 2026-04-24
マルチモーダルGemma-4-31B-JANG_4M-CRACK
Gemma 4 31BベースのMLX向けマルチモーダル言語モデルで、画像入力を含む対話やコード生成、一般用途のアシスタント…
❤ 1.7k ↓ 36.6k gemma 2026-04-25
マルチモーダルKimi-K2.6
Kimi K2.6は、Moonshot AIが公開するネイティブマルチモーダル対応のオープンソース大規模モデルです。長い手順を要…
❤ 1.5k ↓ 2.0M other 2026-05-19
マルチモーダルmlx-tune
mlx-tuneは、Apple Silicon搭載Mac上でLLM、Vision、Audio、OCRモデルのファインチューニングをネイティブに実行する…
★ 1.3k ⑂ 87 Apache-2.0 2026-06-23
マルチモーダルQwen3.6-35B-A3B-GGUF
Qwen3.6-35B-A3B-GGUFは、Unslothが提供するQwen3.6系の量子化モデル配布で、コーディング支援やツール呼び出し、画…
❤ 1.3k ↓ 847.7k apache-2.0 2026-04-20
マルチモーダルgemma-4-26B-A4B-it
Gemma 4 26B A4B itは、Google DeepMindのオープンウェイトなマルチモーダル指示調整モデルです。テキストと画像を入…
❤ 1.2k ↓ 13.9M apache-2.0 2026-06-03
マルチモーダルmuapi-cli
muapi CLIは、muapi.aiの公式コマンドラインツールで、ターミナルから直接画像、動画、音声コンテンツを生成できます…
★ 1.0k ⑂ 84 2026-06-30
マルチモーダルclip-vit-base-patch32
openai/clip-vit-base-patch32は、画像とテキストを同じ埋め込み空間で比較し、任意のラベル文との類似度からゼロシ…
❤ 969 ↓ 22.3M 2024-02-29
マルチモーダルvit-gpt2-image-captioning
`nlpconnect/vit-gpt2-image-captioning` は、画像を入力すると英語の説明文を自動生成できる画像キャプション生成モ…
❤ 931 ↓ 63.9k apache-2.0 2023-02-27
マルチモーダルGemma-4-E4B-Uncensored-HauhauCS-Aggressive
Gemma 4 E4B-IT をベースに、応答拒否を大幅に外した GGUF 量子化モデルの配布ページです。Aggressive 版は安全制限…
❤ 871 ↓ 508.0k gemma 2026-04-06
マルチモーダルclaude-video-vision
このツールは、AnthropicのAIであるClaudeに動画の視聴と理解能力を付与するClaude Codeプラグインです。ffmpegを用…
★ 868 ⑂ 100 MIT 2026-07-01
マルチモーダルblip-image-captioning-base
SalesforceのBLIP画像キャプション生成モデルのベース版で、COCOデータセットで学習された画像説明向けの事前学習モ…
❤ 865 ↓ 1.7M bsd-3-clause 2025-02-03
マルチモーダルQwen3.6-27B-GGUF
Qwen3.6-27B-GGUFは、Qwen3.6-27Bをもとにしたオープンウェイトの大規模言語・視覚対応モデルで、コード生成、リポジ…
❤ 845 ↓ 580.7k apache-2.0 2026-04-22
マルチモーダルohmycaptcha
OhMyCaptchaは、FastAPI、Playwright、そしてOpenAI互換のマルチモーダルモデルで構築された、自己ホスト型のCAPTCHA…
★ 788 ⑂ 246 MIT 2026-03-09