PaLM官网 – 谷歌多模态大语言模型

SpeechGPT是一个多模态大语言模型，具备跨模态对话能力，能够感知和生成语音与文本内容。它通过将连续的语音信号离散化，实现了语音与文本模态的统一处理。该项目还包括SpeechGPT-Gen，专注于链式信息语音生成。团队还开发了SpeechTokenizer等工具，进一步推动了语音语言模型的发展。

CoDi-2是一种多功能、交互式的多模态大语言模型 (MLLM)，它可以以任意对任意的方式遵循复杂的多模态交错指令、进行上下文学习 (ICL)、推理、聊天、编辑等。

该项目是一个集成多种遥感数据源的多模态大语言模型，旨在提升视觉与语言的理解能力，支持遥感数据的分析与应用。

Google/gemma-3-27b-it 是 Google 开发的一个轻量级、尖端开放权重模型，基于与 Gemini 模型相同的研究和技术构建。它能够处理文本和图像输入，生成文本输出，支持超过140种语言，具有128,000个令牌的上下文窗口，参数规模达27亿。该模型特别适合问答、文本摘要和推理任务，并可在资源有限的环境中部署，如笔记本电脑、台式机或云基础设施。

MUG-U是一个强大的多模态大语言模型（MLLM），支持文本、图像、视频等多种输入，能够帮助用户轻松完成复杂的多模态任务。它在多个基准测试中表现卓越，平均准确率高达71.4%，并提供简单易用的API接口，方便快速上手。

OpenEMMA 是一个基于 LLaVA 的多模态大语言模型的开源端到端自动驾驶框架。它能够整合文本和摄像头等多模态输入，精确预测未来行驶路径，并提供决策理由，支持自动驾驶系统的开发、测试和研究。

该项目是一个多模态大语言模型（MLLM）幻觉相关论文资源列表，汇集了关于MLLM中幻觉现象的研究论文，提供分类、标签和摘要，便于研究人员快速获取信息，并持续更新确保资源的时效性。

HPT是HyperGAI的开源多模态大语言模型，能够有效理解文本和视觉输入之间的关系，提供强大的语义理解和生成能力，适用于各种应用场景。

Aleph Alpha是一个前沿的AI平台，旨在改变企业和政府与人工智能的互动方式，提供符合高标准的合规性、透明性和安全性的先进大型语言模型和生成AI能力。

Companion Ai是一个让用户可以直接从电脑上选择使用Chat GPT或Google Bard的AI助手，帮助用户进行写作、创作、编码等多种任务。

由达观数据开发的大模型管理平台，内置自主研发的'曹植'大模型，兼容LLaMA2、ChatGLM2等主流开源模型，支持模型微调。提供全生命周期管理功能，包括数据/模型/服务/指令管理，并通过多模型并联技术整合知识图谱和搜索引擎，显著提升模型性能。适用于金融、法律等需要复杂AI处理的场景。

MiniCPM-o 是一款轻量级多模态大语言模型，具有8B参数，能够在手机、iPad等终端设备上高效运行。它支持视觉、语音和多模态实时流媒体处理，性能达到GPT-4o水平。MiniCPM-o 具备领先的视觉能力、创新的语音交互功能，支持多语言和多模态实时流媒体处理，广泛应用于实时语音对话、OCR、视频理解、多语言支持等场景。

该项目汇总了与多模态大语言模型（LLM）相关的研究论文和资源，提供最新的研究趋势和进展，支持多种模态的学习方法，适用于学术研究和工程实践。

Orq.ai是一个先进的生成式AI协作平台，旨在转变AI应用程序的开发和部署流程。它为各类企业提供支持，从初创公司到大型企业，Orq.ai提供一个协作工作空间，方便领域专家、工程师和产品经理共同实验、开发和优化AI解决方案。

该项目是一份多模态大语言模型相关论文和资源的阅读清单，旨在汇集、分类和整理最新的研究成果，帮助研究人员和开发者了解多模态LLM的进展和最佳实践。