マルチモーダルAI
DeepSeek-OCR — Document OCR and visual understanding
deepseek-ai/DeepSeek-OCR
Contexts Optical Compression
★ 23.8K⑂ 2.2KPython
ToolAI.io · GitHubチャンネル
GitHub上のオープンソースAIプロジェクト
ライセンス、セットアップ、ダウンロード、スクリーンショット、関連リソースを各エントリーに掲載した、LLM、エージェント、MCP、RAG、AI開発プロジェクトの事実に基づくインデックス。
公開リポジトリのデータ
プロジェクトインデックス
マルチモーダル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
マルチモーダルAI
Janus — Unified multimodal understanding and generation
deepseek-ai/Janus
Janus-Series: Unified Multimodal Understanding and Generation Models
★ 17.8K⑂ 2.2KPython
マルチモーダル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
マルチモーダルAI
stable-diffusion-webui
AUTOMATIC1111/stable-diffusion-webui
A browser interface for Stable Diffusion image generation and extensions.
★ 164.8K⑂ 30.6KPython
マルチモーダル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
マルチモーダルAI
HunyuanImage-3.0
Tencent-Hunyuan/HunyuanImage-3.0
HunyuanImage-3.0: A Powerful Native Multimodal Model for Image Generation
★ 3.2K⑂ 175Python
マルチモーダルAI
CogVideo
zai-org/CogVideo
text and image to video generation: CogVideoX (2024) and CogVideo (ICLR 2023)
★ 12.9K⑂ 1.3KPython
マルチモーダルAI
Hunyuan3D-2
Tencent-Hunyuan/Hunyuan3D-2
High-Resolution 3D Assets Generation with Large Scale Hunyuan3D Diffusion Models.
★ 14.4K⑂ 1.5KPython
2 / 2ページ · 21件のプロジェクト