
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-07 · 当前星标 ★ 302
技术标签
核心亮点
- 统一架构同时支持文本、图像、视频、音频四种模态,减少多模型拼接的工程复杂度
- Python 实现且定位研究型,便于研究者复现、修改和做多模态实验
- 覆盖理解与生成类任务,可支撑视觉问答、视频摘要、音频分析等多种下游应用
不足之处
- 项目星标约 297,属于早期阶段,社区生态和预训练权重丰富度有限
- 文档和示例可能不够完善,生产环境部署与性能优化资料待补充
适用场景
- 多模态内容理解平台:自动分析视频画面、语音和字幕,生成结构化摘要
- 智能客服:同时处理用户上传的图片、语音和文字,统一理解后回复
- 学术研究:作为多模态大模型基线,在图文、视频、音频任务上做对比实验
替代项目
LLaVA、Qwen-VL、Video-LLaVA
上一篇:HongLabLLM
同类项目推荐
Diffusion-UI
开源
一个界面玩转多种扩散模型,快速生成动漫风格图像
Anything 4.5, Anything 3.0, Waifu Diffusion, Stable Diffusion 2.1, H Diffusion, Midj···
mace-foundations
开源
开箱即用的高精度原子势能模型,让材料模拟快如闪电
MACE foundation models (MP, OMAT, mh-1)
awesome-japanese-llm
开源
一站式查找日语大模型,快速选型不踩坑
日本語LLMまとめ - Overview of Japanese LLMs
awesome-llm
开源
一份清单,带你快速摸清大模型生态
Awesome series for Large Language Model(LLM)s
Awesome-Code-LLM
开源
一张表看懂代码大模型,快速选型不迷路
An awesome and curated list of best code-LLM for research.
StartLux-Decision
开源
给每个选项打分,让 AI 决策可量化
Open decision models from 0.8B to 27B: a calibrated probability for every option in ···
Awesome-Foundation-Models-in-Med···
开源
一页看懂医学影像AI基础模型,找模型不再大海捞针
A curated list of foundation models for vision and language tasks in medical imaging
SALMONN
开源
让AI听懂声音、看懂画面,多模态对话更自然
SALMONN family: A suite of advanced multi-modal LLMs
VersBand
开源
用提示词精准控制歌曲生成,科研与创作两相宜
PyTorch Implementation of VersBand(EMNLP 2025): Versatile Framework for Song Generat···