Git Stars Git Stars

#multi-modal Repositories

Entdecke 47 aktive Open-Source-GitHub-Repositories, die mit #multi-modal getaggt sind und insgesamt 208,313 Sterne gesammelt haben (durchschnittlich 4,432 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist agentscope-ai/agentscope mit 36,422 Sternen.

47
Gesamtzahl der Repositories
208,313
Gesamtanzahl der Sterne
4,432
Durchschnittliche Sterne/Repo

Insgesamt 47 Repositories

1
agentscope-ai/agentscope

Bauen und führen Sie Agenten aus, die Sie sehen, verstehen und denen Sie vertrauen können.

agentscope-ai
⭐ 36,422 Python 👤 agentscope-ai Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-01-12
2
OpenBMB/MiniCPM-V

Sehen, hören und interagieren Sie auf Ihren lokalen Geräten.

OpenBMB
⭐ 27,174 Python 👤 OpenBMB Organization 🕐 Aktualisiert 2026-11-09 📅 Erstellt 2024-01-29
3
TEN-framework/ten-framework

Open-Source-Framework für konversationelle KI-Sprachagenten

TEN-framework
⭐ 11,241 Python 👤 TEN-framework Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-06-19
4
OpenGVLab/InternVL

[CVPR 2024 Oral] InternVL Family: Eine bahnbrechende Open-Source-Alternative zu GPT-4o. Ein Open-Source-multimodales Dialogmodell, das die Leistung von GPT-4o erreicht.

OpenGVLab
⭐ 10,160 Python 👤 OpenGVLab Organization 🕐 Aktualisiert 2025-09-22 📅 Erstellt 2023-11-22
5
modelscope/modelscope

ModelScope: bringt die Vorstellung von Model-as-a-Service zum Leben.

modelscope
⭐ 9,224 Python 👤 modelscope Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2022-07-25
6
datajuicer/data-juicer

Datenverarbeitung für und mit grundlegenden Modellen! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

datajuicer
⭐ 7,266 Python 👤 datajuicer Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-08-01
7
enricoros/big-AGI

Der KI-Arbeitsbereich für Experten. Wechseln Sie während des Chats zwischen über 800 Modellen, passen Sie mehr als 40 Parameter an und vergleichen Sie Beam-Modelle nebeneinander. Verwenden Sie Ihre eigenen Schlüssel und hosten Sie es selbst. Auf unserer nativen Protokoll-Engine aufgebaut: zuverlässig, hochgradig konfigurierbar und schnell.

enricoros
⭐ 7,167 TypeScript 👤 enricoros User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-03-19
8
zai-org/CogVLM

ein hochmodernes offenes visuelles Sprachmodell | multimodales vortrainiertes Modell

zai-org
⭐ 6,712 Python 👤 zai-org Organization 🕐 Aktualisiert 2024-05-29 📅 Erstellt 2023-09-18
9
valhalla/valhalla

Open-Source-Routing-Engine für OpenStreetMap

valhalla
⭐ 6,475 C++ 👤 valhalla Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2016-01-19
10
OFA-Sys/Chinese-CLIP

Chinesische Version von CLIP, die chinesische Cross-Modal-Retrieval und Repräsentationsgenerierung ermöglicht.

OFA-Sys
⭐ 6,056 Jupyter Notebook 👤 OFA-Sys Organization 🕐 Aktualisiert 2026-03-31 📅 Erstellt 2022-07-08
11
google-deepmind/gemma

Gemma Open-Weight LLM-Bibliothek von Google DeepMind

google-deepmind
⭐ 5,867 Python 👤 google-deepmind Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2024-02-20
12
lucidrains/DALLE-pytorch

Implementierung / Replikation von DALL-E, OpenAIs Text-zu-Bild-Transformer, in Pytorch

lucidrains
⭐ 5,632 Python 👤 lucidrains User 🕐 Aktualisiert 2024-02-17 📅 Erstellt 2021-01-05
13
marqo-ai/marqo

E-Commerce Suche und Entdeckung - marqo.ai

marqo-ai
⭐ 5,024 Python 👤 marqo-ai Organization 🕐 Aktualisiert 2026-09-03 📅 Erstellt 2022-08-01
14
open-compass/VLMEvalKit

Open-Source-Evaluierungstoolkit für große Multimodale Modelle (LMMs), unterstützt 220+ LMMs, 80+ Benchmarks

open-compass
⭐ 4,499 Python 👤 open-compass Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2023-12-01
15
zjunlp/DeepKE

[EMNLP 2022] Ein offenes Toolkit für die Extraktion und Konstruktion von Wissensgraphen

zjunlp
⭐ 4,486 Python 👤 zjunlp Organization 🕐 Aktualisiert 2026-07-13 📅 Erstellt 2018-08-01
16
VectorSpaceLab/OmniGen

OmniGen: Vereinheitlichte Bildgenerierung. https://arxiv.org/pdf/2409.11340

VectorSpaceLab
⭐ 4,340 Jupyter Notebook 👤 VectorSpaceLab Organization 🕐 Aktualisiert 2025-12-04 📅 Erstellt 2024-09-16
17
zai-org/VisualGLM-6B

Chinesisches und englisches multimodales konversationelles Sprachmodell | Multimodales chinesisch-englisches zweisprachiges Dialog-Sprachmodell

zai-org
⭐ 4,181 Python 👤 zai-org Organization 🕐 Aktualisiert 2024-08-23 📅 Erstellt 2023-04-23
18
SciSharp/LLamaSharp

Eine C#/.NET-Bibliothek zum effizienten Ausführen von LLMs (🦙LLaMA/LLaVA) auf Ihrem lokalen Gerät.

SciSharp
⭐ 3,826 C# 👤 SciSharp Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-05-09
19
huangjunsen0406/py-xiaozhi

Open-Source-KI-Assistenten-Ökosystem mit MCP-Integrationen, multimodalen Workflows, IoT-Unterstützung und plattformübergreifender Sprachinteraktion.

huangjunsen0406
⭐ 3,560 Python 👤 huangjunsen0406 User 🕐 Aktualisiert 2026-11-09 📅 Erstellt 2025-02-15
20
PKU-YuanGroup/Video-LLaVA

【EMNLP 2024🔥】Video-LLaVA: Erlernen einer vereinigten visuellen Darstellung durch Ausrichtung vor der Projektion

PKU-YuanGroup
⭐ 3,425 Python 👤 PKU-YuanGroup Organization 🕐 Aktualisiert 2024-12-03 📅 Erstellt 2023-10-23
21
docarray/docarray

Multimodale Daten darstellen, senden, speichern und durchsuchen

docarray
⭐ 3,123 Python 👤 docarray Organization 🕐 Aktualisiert 2026-03-27 📅 Erstellt 2021-12-14
22
JIA-Lab-research/LISA

Projektseite für "LISA: Reasoning Segmentation via Large Language Model"

JIA-Lab-research
⭐ 2,643 Python 👤 JIA-Lab-research Organization 🕐 Aktualisiert 2025-02-16 📅 Erstellt 2023-08-01
23
zai-org/CogVLM2

Open-Source-Multimodales Modell auf GPT4V-Niveau, basierend auf Llama3-8B

zai-org
⭐ 2,439 Python 👤 zai-org Organization 🕐 Aktualisiert 2025-03-03 📅 Erstellt 2024-05-10
24
PKU-YuanGroup/MoE-LLaVA

【TMM 2025🔥】 Mixture-of-Experts für große Vision-Language-Modelle

PKU-YuanGroup
⭐ 2,321 Python 👤 PKU-YuanGroup Organization 🕐 Aktualisiert 2025-07-15 📅 Erstellt 2023-12-14
25
tangxyw/RecSysPapers

Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche. Eine Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche.

tangxyw
⭐ 2,216 Python 👤 tangxyw User 🕐 Aktualisiert 2026-06-11 📅 Erstellt 2022-08-16
26
OpenMotionLab/MotionGPT

[NeurIPS 2023] MotionGPT: menschliche Bewegung als Fremdsprache, ein vereinheitlichtes Bewegungs-Sprachgenerierungsmodell mit LLMs

OpenMotionLab
⭐ 1,943 Python 👤 OpenMotionLab Organization 🕐 Aktualisiert 2025-07-01 📅 Erstellt 2023-06-20
27
Kav-K/GPTDiscord

Eine robuste All-in-One-GPT-Schnittstelle für Discord. Gespräche im ChatGPT-Stil, Bilderzeugung, KI-Moderation, benutzerdefinierte Indizes/Wissensdatenbanken, YouTube-Zusammenfasser und mehr!

Kav-K
⭐ 1,852 Python 👤 Kav-K User 🕐 Aktualisiert 2026-11-01 📅 Erstellt 2022-12-08
28
IntelLabs/fastRAG

Effizientes Retrieval-Augmented Generation Framework

IntelLabs
⭐ 1,758 Python 👤 IntelLabs Organization 🕐 Aktualisiert 2025-01-09 📅 Erstellt 2023-01-23
29
bytedance/SALMONN

SALMONN-Familie: Eine Suite fortschrittlicher multimodaler LLMs

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 Aktualisiert 2026-10-16 📅 Erstellt 2023-08-11
30
lucidrains/transfusion-pytorch

Pytorch-Implementierung von Transfusion, „Vorhersage des nächsten Tokens und Diffusion von Bildern mit einem multimodalen Modell“ von MetaAI

lucidrains
⭐ 1,412 Python 👤 lucidrains User 🕐 Aktualisiert 2026-09-04 📅 Erstellt 2024-08-23
31
datascale-ai/data_engineering_book

Daten-Engineering für große Modelle: Architektur, Algorithmen und Projektpraxis

datascale-ai
⭐ 1,398 Python 👤 datascale-ai Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2026-01-31
32
MedMNIST/MedMNIST

[pip install medmnist] 18 standardisierte Datensätze für die 2D- und 3D-Klassifizierung biomedizinischer Bilder

MedMNIST
⭐ 1,367 Python 👤 MedMNIST Organization 🕐 Aktualisiert 2025-01-11 📅 Erstellt 2020-10-25
33
vercel/modelfusion

Die TypeScript-Bibliothek zum Erstellen von KI-Anwendungen.

vercel
⭐ 1,307 TypeScript 👤 vercel Organization 🕐 Aktualisiert 2024-07-19 📅 Erstellt 2023-05-25
34
Tebmer/Awesome-Knowledge-Distillation-of-LLMs

Dieses Repository sammelt Arbeiten für "Eine Übersicht über Knowledge Distillation von Large Language Models". Wir zerlegen KD in Wissensextraktion und Destillationsalgorithmen und erforschen Skill & Vertical Distillation von LLMs.

Tebmer
⭐ 1,282 👤 Tebmer User 🕐 Aktualisiert 2025-03-09 📅 Erstellt 2024-02-08
35
OpenBMB/VisRAG

Parsing-freie RAG, unterstützt durch VLMs

OpenBMB
⭐ 991 Python 👤 OpenBMB Organization 🕐 Aktualisiert 2026-11-02 📅 Erstellt 2024-10-14
36
microsoft/farmvibes-ai

FarmVibes.AI: Multi-modale GeoSpace ML-Modelle für Landwirtschaft und Nachhaltigkeit

microsoft
⭐ 913 Jupyter Notebook 👤 microsoft Organization 🕐 Aktualisiert 2026-11-03 📅 Erstellt 2022-09-06
37
PKU-YuanGroup/LanguageBind

【ICLR 2024🔥】 Erweitern des Video-Sprache-Vortrainings auf N-Modalitäten durch sprachbasierte semantische Ausrichtung

PKU-YuanGroup
⭐ 856 Python 👤 PKU-YuanGroup Organization 🕐 Aktualisiert 2024-03-25 📅 Erstellt 2023-10-02
38
AnswerDotAI/byaldi

Verwenden Sie Late-Interaction-Multimodale-Modelle wie ColPali in nur wenigen Codezeilen.

AnswerDotAI
⭐ 848 Python 👤 AnswerDotAI Organization 🕐 Aktualisiert 2025-01-28 📅 Erstellt 2024-09-04
39
OpenVGLab/OmniLottie

[CVPR 2026🔥] 🧑‍🎨 OmniLottie, ein Open‑Source-Generator für multimodale Vektoranimationen, der Lottie‑JSONs erzeugt.

OpenVGLab
⭐ 816 Python 👤 OpenVGLab Organization 🕐 Aktualisiert 2026-04-06 📅 Erstellt 2026-01-15
40
raphael-seo/Versatile-OCR-Program

Multimodale OCR-Pipeline optimiert für ML-Training (Text, Abbildung, Mathematik, Tabellen, Diagramme)

raphael-seo
⭐ 677 Python 👤 raphael-seo User 🕐 Aktualisiert 2026-05-13 📅 Erstellt 2025-04-01
41
salesforce/UniControl

Einheitliches steuerbares visuelles Generierungsmodell

salesforce
⭐ 665 Python 👤 salesforce Organization 🕐 Aktualisiert 2026-06-02 📅 Erstellt 2023-05-18
42
InternRobotics/Aether

[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper Award] Aether: Geometrie-bewusste einheitliche Weltmodellierung

InternRobotics
⭐ 614 Python 👤 InternRobotics Organization 🕐 Aktualisiert 2025-10-26 📅 Erstellt 2025-03-24
43
F-R-L/forge-film

Multi-Modell-DAG-gesteuerte parallele KI-Filmerzeugung — parallele Beschleunigung skaliert mit Szenenunabhängigkeit; Film-Szenen gleichzeitig statt nacheinander erzeugen; "Den Ausführungsgraphen der Audiovisuellen Generierung von topologischer Reihenfolge in optimale kritische Pfad-Planung umwandeln"; Der einzige Audiovisuelle Generierungs-Engine, der Szenen-Narrativ-Abhängigkeiten als DAG modelliert und mit CPM-Algorithmus parallele Planung antreibt

F-R-L
⭐ 540 Python 👤 F-R-L User 🕐 Aktualisiert 2026-03-26 📅 Erstellt 2026-03-24
44
kyegomez/RT-2

Demokratisierung von RT-2 „RT-2: Neues Modell übersetzt Vision und Sprache in Aktion“

kyegomez
⭐ 539 Python 👤 kyegomez User 🕐 Aktualisiert 2024-07-26 📅 Erstellt 2023-07-28
45
worldbench/awesome-vla-for-ad

🌐 Vision-Language-Action-Modelle für autonomes Fahren: Vergangenheit, Gegenwart und Zukunft

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 Aktualisiert 2026-11-14 📅 Erstellt 2025-09-07
46
patrickjohncyh/fashion-clip

FashionCLIP ist ein CLIP-ähnliches Modell, das für den Modebereich feinabgestimmt wurde.

patrickjohncyh
⭐ 518 Python 👤 patrickjohncyh User 🕐 Aktualisiert 2025-01-30 📅 Erstellt 2022-05-20
47
jqtangust/Robust-R1

🔥🔥🔥[AAAI 2026 Oral] Offizielle Implementierung von Robust‑R1: Degradations‑bewusstes Denken für robuste visuelle Wahrnehmung

jqtangust
⭐ 510 Python 👤 jqtangust User 🕐 Aktualisiert 2026-01-20 📅 Erstellt 2025-11-09

Häufig gestellte Fragen

1

Welches ist das beliebteste #multi-modal-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#multi-modal-Projekt auf GitHub ist agentscope-ai/agentscope mit 36,422 Sternen. Bauen und führen Sie Agenten aus, die Sie sehen, verstehen und denen Sie vertrauen können.

2

Welche Programmiersprachen werden in #multi-modal-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #multi-modal-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, C++ die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #multi-modal-Repositories berechnet?

Wir verfolgen 47 aktive Open-Source-Repositories, die mit #multi-modal getaggt sind (500+ Sterne), mit insgesamt 208,313 Sternen und durchschnittlich 4,432 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.