Awesome-AVI
一站式导航音频-视觉智能前沿资源，快速上手跨模态研究
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 2026-08-09 · 当前星标 ★ 94
核心亮点
- 系统梳理了音频-视觉智能领域的论文和工具，便于快速调研
- 覆盖多模态大模型、视听生成等热门方向，紧跟前沿
- 社区维护，持续更新，资源链接丰富
不足之处
- 项目处于早期，星标数少，内容可能不够全面
- 文档和社区活跃度待观察
适用场景
- 学术研究者调研音频-视觉智能方向
- 工程师寻找音频-视频生成或多模态模型的开源实现
- 产品经理了解跨模态AI技术边界以规划功能
替代项目
Awesome-Audio-Visual-Speech-Recognition、Awesome-Multimodal-Large-Language-Models、Awesome-Video-Generation
同类项目推荐
Awesome-Efficient-LLM
开源
高效LLM技术一网打尽，快速找到压缩加速方案
A curated list for Efficient Large Language Models
hyena-dna
开源
百万级DNA序列直接建模，解锁基因组长程调控密码
Official implementation for HyenaDNA, a long-range genomic foundation model built wi···
Awesome-Mixture-of-Experts
开源
一份清单，带你快速入门混合专家模型
Awesome Mixture of Experts (MoE): A Curated List of Mixture of Experts (MoE) and Mix···
KnowLM
开源
给大模型注入知识，让回答更专业准确
An Open-sourced Knowledgable Large Language Model Framework.
video-SALMONN-2
开源
让AI看懂视频也听懂声音，生成精准音视频描述
video-SALMONN 2 is a powerful audio-visual large language model (LLM) that generates···
Deep-Learning-Applications-with-···
开源
一张清单，找到带界面的开源AI工具，不用敲命令。
List of FOSS Deep Learning Applications with GUI and/or CLI
LLaVA
开源
拍张图丢给 AI，它看得懂还能聊出细节
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) built towards GPT-4V level capab···
gpt4free
开源
一个入口问遍所有 AI，谁答得好就翻谁牌子
The official gpt4free repository | various collection of powerful language models | ···
quick-start-guide-to-llms
开源
跟着官方代码，快速上手大模型实战
The Official Repo for "Quick Start Guide to Large Language Models"