マルチモーダルvllm-omni
vLLM-Omniは、既存のvLLMを拡張し、オムニモダリティモデルの効率的かつ低コストな推論と提供を可能にするフレームワ…
★ 5.3k ⑂ 1.2k Apache-2.0 2026-06-29
#マルチモーダルAI (17 repos)
「マルチモーダルAI」タグが付いたリポジトリ
マルチモーダル
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 ⑂ 227 Apache-2.0 2026-06-04
マルチモーダルGLM-skills
「zai-org/GLM-skills」は、GLMモデルファミリー向けの公式スキルセットを統合したリポジトリです。Claude Code、Ope…
★ 436 ⑂ 36 Apache-2.0 2026-04-15
マルチモーダルAwesome-Multimodal-Modeling
このリポジトリは、マルチモーダルモデリングに関する包括的な調査と厳選されたリストです。伝統的なマルチモーダル…
★ 388 ⑂ 23 2026-06-23
画像生成Mobile-O
Mobile-Oは、モバイルデバイス上で動作する、統一されたマルチモーダルAIモデルです。画像理解（VQA、OCR、推論）と…
★ 150 ⑂ 15 NOASSERTION 2026-04-13
マルチモーダルQwen-Lens-Studio
Qwen Lens Studioは、単一のQwenビジョン言語モデルを中心に構築されたマルチモーダルAIスタジオです。UIスクリーン…
★ 27 ⑂ 6 2026-04-23
マルチモーダルawesome-gemini-omni
このリポジトリは、Googleの次世代マルチモーダルAIモデル「Gemini Omni」に関する厳選されたリソース集です。テキス…
★ 24 ⑂ 1 CC0-1.0 2026-05-31
3D / NeRFBrainDance
BrainDanceは、3D Gaussian Splatting（高斯泼溅）技術を利用して、現実空間をインタラクティブで回顧可能なホログラ…
★ 15 ⑂ 1 NOASSERTION 2026-06-02
ASR / 音声認識multi-modal-agent-ts
このツールは、TypeScriptで書かれたマルチモーダルAIエージェントで、画像、音声、テキストを組み合わせて処理でき…
★ 12 ⑂ 1 2026-04-17
マルチモーダルLumen
Lumenは、チャット、ビジョンQA、テキストから画像生成、画像から画像生成、長文会話圧縮、画像共有、Telegramボット…
★ 12 NOASSERTION 2026-06-28
マルチモーダル35gateway
「35Gateway」は、35m.aiが開発・運営するソース利用可能なAIゲートウェイです。テキスト、画像、動画、音声、音楽と…
★ 6 ⑂ 1 NOASSERTION 2026-04-15
動画生成awesome-seedance-2-prompts
このリポジトリは、Seedance 2.0のプロンプト、マルチモーダルAIビデオワークフロー、画像からビデオへの変換例、音…
★ 3 2026-04-28
マルチモーダルsentra-rag-failure-modes
このリポジトリは、Googleの最新マルチモーダル埋め込みモデル`gemini-embedding-2`の経験的失敗モードと幾何学的特…
★ 2 MIT 2026-05-08
マルチモーダルrag-multimodal
このプロジェクトは、複雑な表や図を含むPDF文書から情報を抽出するマルチモーダルRAGシステムの実装デモです。マル…
★ 2 MIT 2026-06-21
マルチモーダルairline-support-agent
このツールは、架空の航空会社FlightAIのためのマルチモーダルAIカスタマーサポートチャットボット「Airline Support…
★ 1 ⑂ 1 2026-06-12