multimodal
multimodal टैग वाली ट्रैक की गई ओपन सोर्स रिपॉजिटरी, स्टार के हिसाब से क्रमबद्ध।
मिलते-जुलते विषय
वे विषय जो अक्सर एक ही रिपॉजिटरी पर multimodal के साथ आते हैं।
हाल में उभरे
पिछले 90 दिनों में बनी और multimodal टैग वाली रिपॉजिटरी।
- #1
Claude (या किसी भी LLM) को वास्तव में वीडियो देखने दें — सीन-अवेयर, डिडुप्लीकेटेड फ़्रेम + ट्रांसक्रिप्ट, URL या स्थानीय फ़ाइल से। स्थानीय रूप से चलता है, MIT।
★ 2,109 - #2
WeMM-Embedding is a family of universal multimodal embedding models by the WeChat Vision Team at Tencent, supporting multimodal understanding and retrieval.
★ 1,368 - #3★ 1,153
- #4
टेक्स्ट-ओनली LLMs के लिए डिज़ाइन किया गया एक विज़न टूलकिट - इमेज Q&A, लॉन्ग-स्क्रीनशॉट OCR, फ्रंटएंड UI रिस्टोरेशन और GUI ऑटोमेशन, जिसमें कई मुख्य एजेंट्स के साथ सहज एकीकरण का विकल्प है
★ 1,136 - #5
टेक्स्ट-ओनली DeepSeek Harness एजेंटों के लिए विज़न: इन-बिल्ट फ्री विज़न चेन (बिना की के) + पिक्सेल-लेवल विज़न टूल्स (Q&A, ग्राउंडिंग, क्रॉप, पिक्सेल डिफ, कलर्स, OCR, SVG ट्रेस, कटआउट, स्क्रीनशॉट)। वन-कमांड इंस्टॉलेशन, कोई Python नहीं, इमेज टर्न सामान्य टूल-कॉलिंग टर्न की तरह काम करते हैं।
★ 1,086
- #1
अपनी बुद्धिमत्ता किराए पर लेना बंद करें। AnythingLLM के साथ इसके मालिक बनें। एक शक्तिशाली स्थानीय-प्रथम एजेंट अनुभव के लिए आपको जो, कुछ भी चाहिए
★ 65,534+163पिछले 7 दिनों में स्टार का बदलाव - #2
"深入理解 AI Agent：设计原理与工程实践" (लेखक: ली बोजी) का ओपन-सोर्स मुख्य रिपॉजिटरी: पूरी पुस्तक का पाठ, संकलित PDF और अध्याय-वार संबंधित कोड
★ 44,381+1,022पिछले 7 दिनों में स्टार का बदलाव - #3
The Open-Source Multimodal AI Agent Stack: अत्याधुनिक AI मॉडल और एजेंट इन्फ्रा को जोड़ना
★ 38,817+75पिछले 7 दिनों में स्टार का बदलाव - #4
[NeurIPS'23 Oral] GPT-4V स्तर की क्षमताओं और उससे आगे की ओर निर्मित Visual Instruction Tuning (LLaVA)।
★ 25,014+9पिछले 7 दिनों में स्टार का बदलाव - #5★ 22,203+7पिछले 7 दिनों में स्टार का बदलाव
- #6★ 21,859-2पिछले 7 दिनों में स्टार का बदलाव
- #7
YC (S26) | ओपन कंप्यूटर हिस्ट्री | अपनी स्क्रीन को स्थानीय रूप से लगातार रिकॉर्ड करें और अपने एजेंटों को संदर्भ प्रदान करें (Claude, Codex, Openclaw, Hermes, Runner...)
★ 21,376+80पिछले 7 दिनों में स्टार का बदलाव - #8★ 17,763+1पिछले 7 दिनों में स्टार का बदलाव
- #9
600+ LLM (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) और 300+ MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) के लिए PEFT या Full-parameter का उपयोग करके CPT/SFT/DPO/GRPO करें (AAAI 2025)।
★ 15,488+88पिछले 7 दिनों में स्टार का बदलाव - #10★ 11,387+15पिछले 7 दिनों में स्टार का बदलाव
- #11
🔍 बड़े मॉडल एप्लिकेशन डेवलपमेंट प्रैक्टिकल वन: RAG तकनीक फुल-स्टैक गाइड, ऑनलाइन पढ़ने का पता: https://datawhalechina.github.io/all-in-rag/
★ 10,770+94पिछले 7 दिनों में स्टार का बदलाव - #12
स्थानीय रूप से AI चलाने के लिए प्रोडक्शन-रेडी टूलकिट
★ 10,281+1पिछले 7 दिनों में स्टार का बदलाव - #13
tabular, time series, graph, text, image और audio डेटा में विसंगति का पता लगाने (anomaly detection) के लिए एक Python लाइब्रेरी। 60+ डिटेक्टर्स, बेंचमार्क-समर्थित ADEngine ऑर्केस्ट्रेशन, और AI एजेंटों के लिए एक एजेंटिक वर्कफ़्लो।
★ 9,978+1पिछले 7 दिनों में स्टार का बदलाव - #14
वेब पारsing का अंत। स्केलेबल पिक्सेल-नेটিভ खोज की शुरुआत। लिंक: https://pixelrag.ai/
★ 9,848+60पिछले 7 दिनों में स्टार का बदलाव - #15★ 9,612+12पिछले 7 दिनों में स्टार का बदलाव
- #16
Deeplake एजेंटों के लिए AI डेटा रनटाइम है। यह मल्टीमॉडल डेटालेक के साथ सर्वरलेस पोस्टग्रेस प्रदान करता है, जो स्केलेबल रिट्रीवल और ट्रेनिंग को सक्षम बनाता है।
★ 9,229-1पिछले 7 दिनों में स्टार का बदलाव - #17
Mobile-Agent: 강력한 GUI Agent 패밀리
★ 9,157+9पिछले 7 दिनों में स्टार का बदलाव - #18
AI ऐप्स और मॉडल सर्व करने का सबसे आसान तरीका - मॉडल इन्फेरेंस API, जॉब कतारें, LLM ऐप्स, मल्टी-मॉडल पाइपलाइन और बहुत कुछ बनाएँ!
★ 8,817+4पिछले 7 दिनों में स्टार का बदलाव - #19
Apple के MLX फ्रेमवर्क पर बनी एक टेक्स्ट-टू-स्पीच (TTS), स्पीच-टू-टेक्स्ट (STT) और स्पीच-टू-स्पीच (STS) लाइब्रेरी, जो Apple Silicon पर कुशल भाषण विश्लेषण प्रदान करती है।
★ 7,826+23पिछले 7 दिनों में स्टार का बदलाव - #20★ 6,593+136पिछले 7 दिनों में स्टार का बदलाव
- #21
यह रिपॉजिटरी आर्टिफिशियल इंटेलिजेंस (AI) के बारे में विभिन्न पाठ्यक्रमों और संसाधनों के लिंक का एक संग्रहित संग्रह है।
★ 6,482+3पिछले 7 दिनों में स्टार का बदलाव - #22
JavaScript, Go, Dart और Python में एजेंटिक ऐप्स बनाने के लिए ओपन-सोर्स फ्रेमवर्क, जिसे Google द्वारा निर्मित और उत्पादन में उपयोग किया जाता है
★ 6,394+10पिछले 7 दिनों में स्टार का बदलाव - #23
नए AI विकास पर तेजी से काम करने वाले सॉफ्टवेयर इंजीनियरों के लिए नोट्स। https://latent.space लेखन और उत्पाद विचार-मंथन के लिए डेटास्टोर के रूप में कार्य करता है, लेकिन /Resources फ़ोल्डर के तहत कैनिकल संदर्भों को साफ कर दिया है।
★ 6,247+0पिछले 7 दिनों में स्टार का बदलाव - #24★ 6,018+4पिछले 7 दिनों में स्टार का बदलाव
- #25
एजेंटिक वर्कफ़्लो के लिए एक विज़ुअल प्लेग्राउंड: अपने एजेंटों पर 10x तेज़ी से काम करें
★ 5,779-1पिछले 7 दिनों में स्टार का बदलाव - #26
AI और मल्टीमॉडल वर्कलोड के लिए हाई-परफॉर्मेंस डेटा इंजन। किसी भी पैमाने पर इमेज, ऑडियो, वीडियो और स्ट्रक्चर्ड डेटा को प्रोसेस करें
★ 5,736+4पिछले 7 दिनों में स्टार का बदलाव - #27★ 5,678+4पिछले 7 दिनों में स्टार का बदलाव
- #28
Facebook AI Research (FAIR) से विजन और भाषा मल्टीमॉडल अनुसंधान के लिए एक मॉड्यूलर फ्रेमवर्क
★ 5,633-1पिछले 7 दिनों में स्टार का बदलाव - #29★ 5,188+3पिछले 7 दिनों में स्टार का बदलाव
- #30
Align Anything: फीडबैक के साथ ऑल-मोडैलिटी मॉडल को प्रशिक्षित करना
★ 4,671+3पिछले 7 दिनों में स्टार का बदलाव
