全部项目
6 个仓库 · 数据更新于 2026-11-07
正在加载…
1haotian-liu / LLaVA[NeurIPS'23 Oral] 视觉指令调优 (LLaVA) 旨在实现 GPT-4V 级别及以上的功能。PythonApache-2.0 · 宽松，可直接商用不活跃名次历史不足25,078
2BradyFU / Awesome-Multimodal-Large-Language-Models:sparkles::sparkles:多模态大语言模型的最新进展许可证未声明名次历史不足18,079
4OpenMOSS / MOSS-TTS-Nano100M 参数多语言 TTS 模型，用于实时 CPU 推理、语音克隆和 48 kHz 立体声生成PythonApache-2.0 · 宽松，可直接商用名次历史不足4,636
5lucidrains / deep-daze使用 OpenAI 的 CLIP 和 Siren（隐式神经表示网络）生成文本到图像的简单命令行工具。技术最初由 https://twitter.com/advadnoun 创建PythonMIT · 宽松，可直接商用不活跃名次历史不足4,316
6EvolvingLMMs-Lab / Otter🦦 Otter 是一种基于 OpenFlamingo 的多模态模型（OpenFlamingo 是 DeepMind 的 Flamingo 的开源版本），该模型在 MIMIC-IT 数据集上训练，具有更出色的指令遵循和上下文学习能力。PythonMIT · 宽松，可直接商用不活跃名次历史不足3,442
