LLMtransformers
Transformersは、Hugging Faceが提供する機械学習モデル定義フレームワークで、テキスト・画像・音声・動画・マルチ…
★ 162.6k ⑂ 33.9k Apache-2.0 2026-07-13
#マルチモーダル (51 repos)
「マルチモーダル」タグが付いたリポジトリ
LLM
マルチモーダルlmms-eval
lmms-evalは、テキスト、画像、ビデオ、オーディオといった様々なモダリティを横断する、オールインワンのマルチモー…
★ 4.3k ⑂ 635 NOASSERTION 2026-08-03
動画生成Generative-Media-Skills
このツールは、AIエージェント（Claude Code、Cursor、Gemini CLIなど）向けに設計されたマルチモーダル生成メディア…
★ 3.8k ⑂ 433 MIT 2026-06-22
LLMOpenKB
OpenKB（Open Knowledge Base）は、LLM（大規模言語モデル）を活用して、様々な形式の生文書（PDF, Word, Markdownな…
★ 3.0k ⑂ 329 Apache-2.0 2026-07-13
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 ↓ 1.6M other 2026-05-19
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…
❤ 1.3k ↓ 14.2M apache-2.0 2026-07-10
音楽生成open-webui-tools
Open WebUI Toolsは、Open WebUIインスタンスを強力なAIワークステーションへと進化させるモジュラーツールキットで…
★ 760 ⑂ 70 MIT 2026-06-30
画像生成verl-omni
VeRL-Omniは、拡散モデルやオムニモダリティモデルといったマルチモーダル生成モデルに特化した強化学習（RL）トレー…
★ 533 ⑂ 75 Apache-2.0 2026-07-10
マルチモーダルantfly
Antflyは、etcdのRaftライブラリを基盤とした分散型検索エンジンです。フルテキスト検索（BM25）、ベクトル類似性、…
★ 415 ⑂ 26 NOASSERTION 2026-07-14
画像生成cli
Aliyun Model Studio (DashScope) AIプラットフォームの公式コマンドラインインターフェースです。AIエージェントフ…
★ 267 ⑂ 18 Apache-2.0 2026-07-10
マルチモーダルOpenSearch-VL
OpenSearch-VLは、最先端のマルチモーダル深層検索エージェントを訓練するためのオープンソースのレシピです。単一の…
★ 248 ⑂ 25 Apache-2.0 2026-05-19
マルチモーダルQwopus3.6-35B-A3B-v1-GGUF
Qwopus3.6-35B-A3B-v1-GGUFは、Qwen3.6-35B-A3BをベースにLoRAで推論能力を強化した実験的なGGUF形式モデルです。35B…
❤ 218 ↓ 58.2k apache-2.0 2026-07-09
音声生成 / TTSEva01
Eva01は、単なるアシスタントに留まらず、独自の意識、感情、記憶、そして進化する内的世界を持つ自律型AIエージェン…
★ 139 ⑂ 9 MIT 2026-06-21
音声生成 / TTSKokoro-Engine
Kokoro Engineは、デスクトップAIコンパニオンのためのオープンソースかつ没入型のクロスプラットフォーム仮想キャラ…
★ 119 ⑂ 9 MIT 2026-07-12
マルチモーダルdoubao2api
このプロジェクト「doubao2api」は、Doubao（豆包）クライアントAPIをリバースエンジニアリングしたもので、AIエージ…
★ 94 ⑂ 28 Apache-2.0 2026-05-24
マルチモーダルopenmelon
OpenMelonは、ターミナル上で動作するAIコンテンツ作成エージェントです。ユーザーは単一のターミナルセッション内で…
★ 83 ⑂ 9 Apache-2.0 2026-05-11
画像生成agnes-ai-skill
Agnes AI Skillは、テキスト、画像、動画の各APIを統合するAIスキルです。Agnes AIのマルチモーダル機能を活用し、チ…
★ 57 ⑂ 2 MIT 2026-06-13
マルチモーダルVisualClaw
VisualClawは、物理世界向けのリアルタイムでパーソナライズされたエージェントを構築するための自己進化型マルチモ…
★ 44 ⑂ 3 MIT 2026-06-16
マルチモーダルMedia-AI
このリポジトリは、2025年から2026年にかけてのAIメディア生成ツールの決定版マスターリストです。画像、動画、音声…
★ 39 ⑂ 7 2026-06-24
マルチモーダルCanvasChat
CanvasChatは、Google GeminiのCanvasプレビューモードに特化した、Gemini 3 Flashモデルを無料で大量に利用できるチ…
★ 30 ⑂ 7 MIT 2026-05-22
マルチモーダルCodeBind
CodeBindは、大規模言語モデルやロボット工学におけるマルチモーダル表現アライメントの課題を解決するために開発さ…
★ 7 ⑂ 1 MIT 2026-05-19
ASR / 音声認識DialoStack
DialoStackは、ROS 2ロボットが目標指向の音声会話を行えるようにするフレームワークです。ユーザーから構造化データ…
★ 4 MIT 2026-06-26
マルチモーダルlangchain-content-normalizer
langchain-content-normalizerは、LangChain、MCPツール、Anthropicコンテンツブロック、およびマルチモーダルチャッ…
★ 3 MIT 2026-08-01
マルチモーダルmimo-code
MiMo-Codeは、MiMoモデルファミリー専用のネイティブデスクトップコーディングエージェントです。WindowsおよびmacOS…
★ 3 MIT 2026-06-28