多模态 AI
HunyuanImage-3.0
Tencent-Hunyuan/HunyuanImage-3.0
HunyuanImage-3.0: A Powerful Native Multimodal Model for Image Generation
★ 3.2K⑂ 175Python
ToolAI.io · GitHub 频道
GitHub 上的新 AI 项目
一个基于事实的 LLM、智能体、MCP、RAG 和 AI 开发项目索引；每个条目均包含许可证、设置、下载、截图及相关资源。
公开仓库数据
项目索引
多模态 AI
UniRL
Tencent-Hunyuan/UniRL
UniRL is a Framework for Unified Multimodal Model Reinforcement Learning
★ 854⑂ 56Python
推理、部署与运行时
sglang
sgl-project/sglang
SGLang is a high-performance serving framework for large language models and multimodal models.
★ 32.2K⑂ 8.1KPython
智能体与多智能体
Genkit：用于构建智能体 AI 应用的开源框架
genkit-ai/genkit
Genkit 是一个开源框架，由 Google 的 Firebase 团队构建并在生产环境中使用，用于开发全栈 AI 驱动的应用程序。它提供跨语言 SDK 和统一 API，用于集成各种 AI 模型，以构建聊天机器人、自动化工作流和推荐系统。
★ 6.3K⑂ 816TypeScript
推理、部署与运行时
Xorbits Inference (Xinference)
xorbitsai/inference
一个强大且通用的库，旨在为语言、语音识别和多模态模型提供服务。它允许用户仅通过更改一行代码即可将 GPT 替换为任意 LLM，并通过统一的、生产就绪的推理 API 在云端、本地或本地服务器上运行模型。
★ 9.5K⑂ 853Python
RAG 与知识系统
LanceDB
lancedb/lancedb
一个开源、对开发者友好的嵌入式检索库和多模态 AI 湖仓一体平台，专为快速、可扩展且可用于生产的向量搜索而设计，基于 Lance 列式格式构建。
★ 11.1K⑂ 994Rust
LLM 与基础模型
NVIDIA NeMo Speech
nvidia-nemo/speech
一个可扩展的生成式 AI 框架，专为从事自动语音识别 (ASR)、文本转语音 (TTS) 和语音大语言模型的研究人员和 PyTorch 开发者构建。
★ 17.9K⑂ 3.5KPython
智能体与多智能体
Mintplex-Labs 推出的 AnythingLLM
mintplex-labs/anything-llm
一款一体化、本地优先的 AI 应用，支持与文档对话、构建 AI 智能体，以及开箱即用地运行私有多用户 ChatGPT 替代方案。
★ 64.5K⑂ 7.1KJavaScript
推理、部署与运行时
Hugging Face Transformers
huggingface/transformers
一个面向文本、视觉、音频和多模态领域最先进机器学习模型的模型定义框架，同时支持推理和训练。
★ 163.3K⑂ 34.1KPython
多模态 AI
精选
whisper：Speech recognition and transcription
openai/whisper
ToolAI 对 openai/whisper 的客观项目介绍。Robust Speech Recognition via Large-Scale Weak Supervision
★ 107.7K⑂ 13.1KPython
多模态 AI
Qwen3-VL：Vision-language models
QwenLM/Qwen3-VL
ToolAI 对 QwenLM/Qwen3-VL 的客观项目介绍。Qwen3-VL is the multimodal large language model series developed by Qwen team, Alibaba Cloud
★ 19.8K⑂ 1.8KPython
多模态 AI
DeepSeek-OCR：Document OCR and visual understanding
deepseek-ai/DeepSeek-OCR
ToolAI 对 deepseek-ai/DeepSeek-OCR 的客观项目介绍。Contexts Optical Compression
★ 23.8K⑂ 2.2KPython
第 2 / 3 页 · 26 个项目