মাল্টিমোডাল AI
DeepSeek-OCR — Document OCR and visual understanding
deepseek-ai/DeepSeek-OCR
Contexts Optical Compression
★ 23.8K⑂ 2.2KPython
ToolAI.io · GitHub চ্যানেল
GitHub-এ AI প্রজেক্ট ডিরেক্টরি
বিষয়, ভাষা ও লাইসেন্স অনুযায়ী সাজানো GitHub-এর ওপেন-সোর্স AI প্রজেক্টের সম্পূর্ণ ToolAI ডিরেক্টরি ব্রাউজ করুন।
পাবলিক রিপোজিটরির তথ্য
প্রকল্পের সূচি
মাল্টিমোডাল AI
Qwen3-VL — Vision-language models
QwenLM/Qwen3-VL
Qwen3-VL is the multimodal large language model series developed by Qwen team, Alibaba Cloud
★ 19.8K⑂ 1.8KPython
মাল্টিমোডাল AI
Janus — Unified multimodal understanding and generation
deepseek-ai/Janus
Janus-Series: Unified Multimodal Understanding and Generation Models
★ 17.8K⑂ 2.2KPython
মাল্টিমোডাল AI
HY-World-2.0
Tencent-Hunyuan/HY-World-2.0
HY-World 2.0: A Multi-Modal World Model for Reconstructing, Generating, and Simulating 3D Worlds
★ 2.4K⑂ 209Python
মাল্টিমোডাল AI
stable-diffusion-webui
AUTOMATIC1111/stable-diffusion-webui
A browser interface for Stable Diffusion image generation and extensions.
★ 164.8K⑂ 30.6KPython
মাল্টিমোডাল AI
HunyuanWorld-1.0
Tencent-Hunyuan/HunyuanWorld-1.0
Generating Immersive, Explorable, and Interactive 3D Worlds from Words or Pixels with Hunyuan3D World Model
★ 2.9K⑂ 261Python
মাল্টিমোডাল AI
HunyuanImage-3.0
Tencent-Hunyuan/HunyuanImage-3.0
HunyuanImage-3.0: A Powerful Native Multimodal Model for Image Generation
★ 3.2K⑂ 175Python
মাল্টিমোডাল AI
CogVideo
zai-org/CogVideo
text and image to video generation: CogVideoX (2024) and CogVideo (ICLR 2023)
★ 12.9K⑂ 1.3KPython
মাল্টিমোডাল AI
Hunyuan3D-2
Tencent-Hunyuan/Hunyuan3D-2
High-Resolution 3D Assets Generation with Large Scale Hunyuan3D Diffusion Models.
★ 14.4K⑂ 1.5KPython
পৃষ্ঠা 2 / 2 · 21টি প্রজেক্ট