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

Awesome-AVI 是一个关于音频-视觉智能（Audio-Visual Intelligence）的精选资源列表，旨在系统梳理该领域的前沿研究、工具和数据集。它解决了音频与视觉信息融合研究中资源分散、难以追踪的问题，为研究人员和开发者提供了一站式的导航。项目核心能力包括：按主题分类整理论文和代码，覆盖音频-视频生成、多模态大语言模型推理、视听问答等方向；收录相关基准数据集和评估方法；持续更新以反映最新进展。作为社区驱动的项目，它降低了入门门槛，帮助用户快速定位关键文献和工具，促进跨模态AI的研究与应用。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 89

维护状态低维护

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队JavisVerse

所属国家

官网地址

GitHubhttps://github.com/JavisVerse/Awesome-AVI

定价模式free

价格说明开源项目，免费使用，无付费版本。

访问状态

是否开源是

开源协议

主要语言

技术栈/模型audio,audio-video,audio-video-generation,audio-visual,large-language-models,mllm-reasoning,multimodal,multimodal-large-language-models,sounding-video-generation,speech-processing,survey,video,video-generation,video-processing,vision,vision-language-action,vision-language-model

GitHub 星标★ 89

30天Star增速

HF 下载量

上线时间2026-04-01 00:00:00

最近更新2026-09-09 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

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

项目介绍

Awesome-AVI 是开源模型领域的开源项目，由 JavisVerse 开发，是 2026 年新上线的项目。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 89。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-09。免费使用，无付费版本。

它主要面向的使用场景是：学术研究者调研音频-视觉智能方向。同类可对比的替代方案包括 Awesome-Audio-Visual-Speech-Recognition、Awesome-Multimodal-Large-Language-Models…。

上一篇：Awesome-Interactive-World-Model

下一篇：Awesome-RL-for-Video-Generation