Matrix-Game
实时交互式世界模型，支持长程记忆和流式视频生成，由昆仑万维 Skywork 团队开源。
🎯适用场景：交互式视频生成——通过实时输入控制，生成长程连贯的视频内容。
📥 收录于 2026/6/9
📊 仓库数据
✅ 优点
- •实时交互式世界模型，前沿研究方向
- •支持流式生成和长程记忆
- •Skywork 团队出品，技术实力强
⚠️ 限制
- •研究阶段产品，稳定性有限
- •硬件需求较高
🔗 相关工具
OpenCV
github.com/opencv/opencv
开源计算机视觉库，87,181+ stars。全球最广泛使用的计算机视觉库，提供 2500+ 优化算法，涵盖图像处理、目标检测、人脸识别、相机标定等领域。支持 C++、Python、Java，是 AI 视觉应用的基石。
🎯多模态内容理解与生成
PaddleOCR
github.com/PaddlePaddle/PaddleOCR
百度开源的多语言 OCR 工具，75,995+ stars。支持 80+ 语言识别，提供超轻量级中文 OCR 模型（仅几 MB），可部署于服务器、移动端和嵌入式设备，是工业级 OCR 方案的首选
🎯多模态内容理解与生成
Tesseract OCR
github.com/tesseract-ocr/tesseract
开源 OCR 引擎，73,620+ stars。由 HP 开发、Google 维护的顶级文字识别引擎，支持 100+ 语言，可识别图片、PDF、扫描件中的文字。结合 LSTM 神经网络实现高精度 OCR，是 AI 文档处理的基础设施。
🎯多模态内容理解与生成
Ultralytics
github.com/ultralytics/ultralytics
YOLO 系列目标检测框架，56,193+ stars。业界最先进的目标检测框架，支持 YOLOv8/v11 等最新模型，提供检测、分割、姿态估计、旋转框检测等任务，API 简洁易用
🎯多模态内容理解与生成
YOLOv5
github.com/ultralytics/yolov5
YOLOv5 目标检测，57,248+ stars。Ultralytics 出品的实时目标检测模型，以速度和精度著称，支持多种模型规模（Nano 到 XLarge），广泛应用于工业视觉、安防监控等场景
🎯多模态内容理解与生成
Roboflow Supervision
github.com/roboflow/supervision
可复用的计算机视觉工具库，39.7K+ stars。提供目标检测、实例分割、图像分类等 CV 任务的评估指标和可视化工具，兼容 YOLO、SAM 等主流模型
🎯多模态内容理解与生成