텍스트, 이미지, 오디오, 비디오 및 액션을 출력하는 옴니 모달리티 모델을 실행하도록 vLLM을 확장한 서빙 프레임워크입니다.
7.3천1.9천PythonApache-2.0업데이트 3시간 전
#multimodal
“multimodal” 관련 오픈소스 프로젝트
multimodal 관련 엄선 GitHub 저장소. AI 요약과 주요 지표를 함께 제공합니다.
저장소 18개
시간에 따른 멀티모달 로보틱스 및 센서 데이터를 로깅하고 시각화·조회·스트리밍하는 오픈소스 Rust 툴킷입니다.
1.2만876RustApache-2.0업데이트 2시간 전
URL이나 로컬 파일을 타임스탬프가 포함된 프레임과 자막으로 변환해 AI 에이전트가 동영상을 살펴보게 해주는 Claude Code 및 Agent Skills 플러그인입니다.
1.9만2천PythonMIT업데이트 25일 전
음성, LLM, 전송 서비스를 플러그인 방식으로 연결해 실시간 음성 및 멀티모달 AI 에이전트를 만드는 오픈소스 Python 프레임워크입니다.
1.7만2.9천PythonBSD-2-Clause업데이트 3시간 전
CPU 전용 머신을 포함한 다양한 하드웨어에서 LLM, 비전, 음성, 이미지, 동영상 모델을 실행하는 자체 호스팅 OpenAI 호환 AI 엔진입니다.
5만4.5천GoMIT업데이트 9시간 전
NEO는 픽셀과 단어를 하나의 인코더 없는 dense 아키텍처로 처리하는 네이티브 VLM 제품군입니다.
90433PythonApache-2.0업데이트 3개월 전
웹사이트, PDF, 이미지, YouTube 동영상 또는 주제를 다국어 팟캐스트 대화로 변환하는 오픈소스 Python 패키지입니다.
6.7천778PythonApache-2.0업데이트 6개월 전
FSDP2, Muon, Liger 커널을 지원하는 통합 멀티모달 모델 학습 엔진
83238Python라이선스 없음업데이트 그저께
CVPR 2025 LiveCC 논문의 실시간 영상 해설을 생성하는 스트리밍 음성 전사 기반 학습 비디오 LLM입니다.
48059Python라이선스 없음업데이트 12개월 전
Playwright 자동화와 OpenAI 호환 비전 모델을 사용하는 자체 호스팅 CAPTCHA 솔버
897276PythonMIT업데이트 7개월 전
자체 OpenAI 호환 비전 모델로 PDF, Office 파일, 스캔 문서와 이미지를 AI용 Markdown으로 변환합니다.
72138GoMIT업데이트 2개월 전
이미지 이해, 텍스트-이미지 생성, 이미지 편집을 하나의 아키텍처로 처리하는 SenseNova의 오픈소스 네이티브 통합 멀티모달 모델
6.9천532PythonApache-2.0업데이트 18일 전
웹 페이지와 PDF를 스크린샷으로 렌더링해 시각적으로 검색하는 오픈소스 파이프라인으로, 표와 차트를 RAG에 그대로 보존합니다.
1만910PythonApache-2.0업데이트 5일 전
Apple Silicon에서 MLX로 이미지 하나에 대한 후보 답변을 채점하는 비전-언어 모델 추론 교육용 프로젝트
32029PythonMIT업데이트 28일 전
Qwen3.5와 C-RADIOv4-H 기반의 9B 오픈 웨이트 멀티모달 모델
3.1천540PythonApache-2.0업데이트 지난달
ByteDance의 Seedance 2.0 동영상 생성 모델에 맞는 프롬프트 작성을 안내하는 에이전트 스킬 파일입니다.
4.3천350MIT업데이트 지난달
텍스트·이미지 생성을 통해 다양한 컴퓨터 비전 작업을 수행하는 통합 멀티모달 모델입니다.
71742PythonApache-2.0업데이트 2개월 전
Mac, Windows, Linux에서 사진·PDF·문서·녹음·동영상·코드를 내용 설명으로 찾는 로컬 파일 검색 앱
4.9천354SwiftMIT업데이트 그저께