Git Stars Git Stars

#multimodal-ai Repositories

Entdecke 191 aktive Open-Source-GitHub-Repositories, die mit #multimodal-ai getaggt sind und insgesamt 589,873 Sterne gesammelt haben (durchschnittlich 3,088 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist anthropics/claude-cookbooks mit 54,935 Sternen.

191
Gesamtzahl der Repositories
589,873
Gesamtanzahl der Sterne
3,088
Durchschnittliche Sterne/Repo

Insgesamt 191 Repositories

1
anthropics/claude-cookbooks

Eine Sammlung von Notizbüchern/Rezepten, die einige unterhaltsame und effektive Möglichkeiten zur Nutzung von Claude zeigen.

anthropics
⭐ 54,935 Jupyter Notebook 👤 anthropics Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-08-15
2
oobabooga/textgen

Open-Source-Desktop-App für lokale LLMs. Text, Vision, Tool-Calling, OpenAI/Anthropic-kompatible API. 100 % privat.

oobabooga
⭐ 47,736 Python 👤 oobabooga User 🕐 Aktualisiert 2026-08-17 📅 Erstellt 2022-12-21
4
google-ai-edge/gallery

Eine Galerie, die On-Device-ML/GenAI-Anwendungsfälle präsentiert und es den Benutzern ermöglicht, Modelle lokal auszuprobieren und zu verwenden.

google-ai-edge
⭐ 25,398 Kotlin 👤 google-ai-edge Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-03-31
5
deepseek-ai/DeepSeek-OCR

Kontexte optische Kompression

deepseek-ai
⭐ 24,180 Python 👤 deepseek-ai Organization 🕐 Aktualisiert 2026-01-27 📅 Erstellt 2025-10-17
6
QwenLM/Qwen3-VL

Qwen3-VL ist die multimodale Large-Language-Model-Serie, die vom Qwen-Team von Alibaba Cloud entwickelt wurde.

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 Aktualisiert 2026-01-30 📅 Erstellt 2024-08-29
7
duixcom/Duix-Avatar

🚀 Wirklich Open-Source KI-Avatar (digitale mensch)-Toolkit für Offline-Videogenerierung und digitale Menschenklonung.

duixcom
⭐ 16,411 C 👤 duixcom Organization 🕐 Aktualisiert 2026-04-21 📅 Erstellt 2024-12-24
8
facebookresearch/seamless_communication

Grundlagenmodelle für hochmoderne Sprach- und Textübersetzung

facebookresearch
⭐ 11,908 Jupyter Notebook 👤 facebookresearch Organization 🕐 Aktualisiert 2026-09-08 📅 Erstellt 2023-08-01
9
m87-labs/moondream

kleines visuelles Sprachmodell

m87-labs
⭐ 10,167 Python 👤 m87-labs Organization 🕐 Aktualisiert 2026-04-20 📅 Erstellt 2023-12-29
10
opendatalab/PDF-Extract-Kit

Ein umfassendes Toolkit für die hochwertige Extraktion von PDF-Inhalten

opendatalab
⭐ 9,682 Python 👤 opendatalab Organization 🕐 Aktualisiert 2025-01-03 📅 Erstellt 2024-06-27
11
facebookresearch/ImageBind

ImageBind Ein Einbettungsraum, um sie alle zu binden

facebookresearch
⭐ 9,084 Python 👤 facebookresearch Organization 🕐 Aktualisiert 2025-11-21 📅 Erstellt 2023-03-23
12
QwenLM/Qwen-Image

Qwen-Image ist ein leistungsstarkes Basismodell zur Bildgenerierung, das komplexe Textdarstellung und präzise Bildbearbeitung ermöglicht.

QwenLM
⭐ 8,489 Python 👤 QwenLM Organization 🕐 Aktualisiert 2026-02-10 📅 Erstellt 2025-08-03
13
NVIDIA/Isaac-GR00T

NVIDIA Isaac GR00T N1.7 - Ein Grundmodell für Generalistische Roboter.

NVIDIA
⭐ 8,402 Python 👤 NVIDIA Organization 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2025-03-11
14
boson-ai/higgs-audio

Text-Audio-Basismodell von Boson AI

boson-ai
⭐ 8,390 Python 👤 boson-ai Organization 🕐 Aktualisiert 2026-06-05 📅 Erstellt 2025-07-20
15
LargeWorldModel/LWM

Large World Model -- Modellierung von Text und Video mit Millionen von Kontexten

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 Aktualisiert 2024-10-19 📅 Erstellt 2024-02-08
16
tencent-ailab/IP-Adapter

Der Bild-Prompt-Adapter ist so konzipiert, dass er ein vortrainiertes Text-zu-Bild-Diffusionsmodell in die Lage versetzt, Bilder mit einem Bild-Prompt zu generieren.

tencent-ailab
⭐ 6,386 Jupyter Notebook 👤 tencent-ailab User 🕐 Aktualisiert 2024-06-28 📅 Erstellt 2023-08-16
17
AILab-CVC/YOLO-World

[CVPR 2024] Echtzeit-Objekterkennung mit offenem Vokabular

AILab-CVC
⭐ 6,385 Python 👤 AILab-CVC Organization 🕐 Aktualisiert 2025-02-26 📅 Erstellt 2024-01-29
18
Jackywine/Bella

Bella ist die Beste

Jackywine
⭐ 6,325 JavaScript 👤 Jackywine User 🕐 Aktualisiert 2026-02-05 📅 Erstellt 2025-07-16
19
ByteDance-Seed/Bagel

Open-Source Unified Multimodales Modell

ByteDance-Seed
⭐ 6,223 Python 👤 ByteDance-Seed Organization 🕐 Aktualisiert 2026-05-04 📅 Erstellt 2025-04-17
20
ngxson/smolvlm-realtime-webcam

Echtzeit-Webcam-Demo mit SmolVLM und llama.cpp-Server

ngxson
⭐ 5,555 HTML 👤 ngxson User 🕐 Aktualisiert 2025-05-12 📅 Erstellt 2025-05-12
21
AgnesAI-Labs/AgnesAI-Models

Offizielles Agnes AI-Gateway und Modellkatalog für OpenAI-kompatible Text-, Bild-, Video- und Agenten-Workflows.

AgnesAI-Labs
⭐ 5,299 👤 AgnesAI-Labs Organization 🕐 Aktualisiert 2026-08-18 📅 Erstellt 2026-04-30
22
deepseek-ai/DeepSeek-VL2

DeepSeek-VL2: Mixture-of-Experts Vision-Language Models für fortschrittliches multimodales Verständnis

deepseek-ai
⭐ 5,297 Python 👤 deepseek-ai Organization 🕐 Aktualisiert 2025-02-26 📅 Erstellt 2024-12-13
23
cbh123/narrator

David Attenborough erzählt die Geschichte deines Lebens

cbh123
⭐ 4,426 Python 👤 cbh123 User 🕐 Aktualisiert 2026-07-23 📅 Erstellt 2023-11-14
24
Tencent-Hunyuan/HunyuanDiT

Hunyuan-DiT: Ein leistungsstarker Multi-Resolution Diffusion Transformer mit feingranularem Chinesischverständnis

Tencent-Hunyuan
⭐ 4,292 Jupyter Notebook 👤 Tencent-Hunyuan Organization 🕐 Aktualisiert 2026-10-08 📅 Erstellt 2024-05-10
25
VectorSpaceLab/OmniGen2

OmniGen2: Erforschung zur Fortgeschrittenen Multimodalen Generierung. https://arxiv.org/abs/2506.18871

VectorSpaceLab
⭐ 4,121 Jupyter Notebook 👤 VectorSpaceLab Organization 🕐 Aktualisiert 2026-03-20 📅 Erstellt 2025-06-06
26
googleapis/python-genai

Das Google Gen AI Python SDK bietet Entwicklern eine Schnittstelle, um Googles generative Modelle in ihre Python-Anwendungen zu integrieren.

googleapis
⭐ 4,084 Python 👤 googleapis Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-12-06
27
QwenLM/Qwen2.5-Omni

Qwen2.5-Omni ist ein End-to-End-multimodales Modell des Qwen-Teams von Alibaba Cloud, das Text, Audio, Bilder, Videos verstehen und Echtzeit-Spracherzeugung durchführen kann.

QwenLM
⭐ 4,021 Jupyter Notebook 👤 QwenLM Organization 🕐 Aktualisiert 2025-06-12 📅 Erstellt 2025-03-22
28
amazon-science/mm-cot

Offizielle Implementierung für „Multimodal Chain-of-Thought Reasoning in Language Models“ (bleiben Sie dran, weitere Updates folgen)

amazon-science
⭐ 3,988 Python 👤 amazon-science Organization 🕐 Aktualisiert 2024-06-12 📅 Erstellt 2023-02-02
29
huggingface/smollm

Alles über die SmolLM- und SmolVLM-Modellfamilie

huggingface
⭐ 3,960 Python 👤 huggingface Organization 🕐 Aktualisiert 2026-10-06 📅 Erstellt 2024-11-04
30
songguoxs/gpt4o-image-prompts

Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Bild-Prompts, Nanobanana Prompts, nanobanana-Eingabeaufforderungen

songguoxs
⭐ 3,882 JavaScript 👤 songguoxs User 🕐 Aktualisiert 2026-01-08 📅 Erstellt 2025-04-28
31
FlagAI-Open/FlagAI

FlagAI (Fast LArge-scale General AI models) ist ein schnelles, einfach zu bedienendes und erweiterbares Toolkit für große KI-Modelle.

FlagAI-Open
⭐ 3,864 Python 👤 FlagAI-Open Organization 🕐 Aktualisiert 2026-07-13 📅 Erstellt 2022-05-16
32
facebookresearch/sam-audio

Das Repository stellt Code zur Durchführung von Inferenz mit dem Meta Segment Anything Audio Model (SAM-Audio) bereit, Links zum Herunterladen der trainierten Modell-Checkpoints und Beispiel-Notebooks, die zeigen, wie das Modell verwendet wird.

facebookresearch
⭐ 3,760 Python 👤 facebookresearch Organization 🕐 Aktualisiert 2026-05-26 📅 Erstellt 2025-09-04
33
ZHO-ZHO-ZHO/ZHO-nano-banana-Creation

Meine Sammlung kreativer Nano-Banane-Gameplay-Ideen! Wird ständig aktualisiert!

ZHO-ZHO-ZHO
⭐ 3,715 👤 ZHO-ZHO-ZHO User 🕐 Aktualisiert 2025-09-18 📅 Erstellt 2025-08-28
34
Kedreamix/Linly-Talker

Digital Avatar Konversationssystem - Linly-Talker. 😄✨ Linly-Talker ist ein intelligentes KI-System, das große Sprachmodelle (LLMs) mit visuellen Modellen kombiniert, um eine neuartige Methode der Mensch-KI-Interaktion zu schaffen. 🤝🤖 Es integriert verschiedene Technologien wie Whisper, Linly, Microsoft Speech Services und das SadTalker Talking Head-Generierungssystem. 🌟🔬

Kedreamix
⭐ 3,483 Python 👤 Kedreamix User 🕐 Aktualisiert 2026-02-10 📅 Erstellt 2023-10-17
35
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Neueste Arbeiten, Codes und Datensätze zu Vid-LLMs.

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2023-07-16
38
zai-org/GLM-4-Voice

GLM-4-Voice | End-to-End Chinesisch-Englisch-Sprachdialogmodell

zai-org
⭐ 3,108 Python 👤 zai-org Organization 🕐 Aktualisiert 2024-12-05 📅 Erstellt 2024-10-24
39
stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) ist ein Open-Source-Python-Framework, das vom Center for Research on Foundation Models (CRFM) an der Stanford University für die ganzheitliche, reproduzierbare und transparente Evaluierung von Foundation Models, einschließlich großer Sprachmodelle (LLMs) und multimodaler Modelle, entwickelt wurde.

stanford-crfm
⭐ 2,975 Python 👤 stanford-crfm Organization 🕐 Aktualisiert 2026-09-01 📅 Erstellt 2021-11-29
40
Mininglamp-AI/Mano-P

Mano-P: Open-Source-GUI-VLA-Agent für Edge-Geräte. Platz 1 auf OSWorld (spezialisiert, 58,2 %). Läuft lokal auf Apple M4 Mac mini/MacBook — keine Daten verlassen Ihr Gerät. Mano-P ist ein Open-Source-GUI-VLA-Projekt, das lokale Inferenz auf Mac mini/MacBook oder über Compute-Stick unterstützt und rein visuell gesteuerte plattformübergreifende GUI-Automatisierungsoperationen ermöglicht. Daten werden vollständig lokal verarbeitet und unterstützen die Planung und Ausführung komplexer mehrstufiger Aufgaben.

Mininglamp-AI
⭐ 2,855 👤 Mininglamp-AI Organization 🕐 Aktualisiert 2026-06-25 📅 Erstellt 2026-03-25
41
Alpha-VLLM/LLaMA2-Accessory

Ein Open-Source-Toolkit für die LLM-Entwicklung

Alpha-VLLM
⭐ 2,806 Python 👤 Alpha-VLLM Organization 🕐 Aktualisiert 2025-01-13 📅 Erstellt 2023-07-21
42
ishan0102/vimGPT

Durchsuchen Sie das Web mit GPT-4V und Vimium

ishan0102
⭐ 2,672 Python 👤 ishan0102 User 🕐 Aktualisiert 2024-09-25 📅 Erstellt 2023-11-07
43
OmniSVG/OmniSVG

[NeurIPS 2025] OmniSVG ist die erste Familie von End-to-End multimodalen SVG-Generatoren, die vortrainierte Vision-Language Models (VLMs) nutzen und komplexe und detaillierte SVGs generieren können, von einfachen Symbolen bis hin zu aufwendigen Anime-Charakteren.

OmniSVG
⭐ 2,666 Python 👤 OmniSVG User 🕐 Aktualisiert 2026-03-01 📅 Erstellt 2025-04-07
44
janhq/ichigo

Lokale Echtzeit-Sprach-KI

janhq
⭐ 2,493 Python 👤 janhq Organization 🕐 Aktualisiert 2025-11-26 📅 Erstellt 2024-07-02
46
baaivision/Emu3

Next-Token Prediction ist alles, was Sie brauchen

baaivision
⭐ 2,454 Python 👤 baaivision Organization 🕐 Aktualisiert 2026-01-12 📅 Erstellt 2024-09-26
47
XiaoxinHe/Awesome-Graph-LLM

Eine Sammlung von AWESOME Dingen über Graph-bezogene LLMs.

XiaoxinHe
⭐ 2,452 👤 XiaoxinHe User 🕐 Aktualisiert 2025-11-05 📅 Erstellt 2023-06-05
48
Nutlope/llama-ocr

Dokument-zu-Markdown-OCR-Bibliothek mit Llama 3.2 Vision

Nutlope
⭐ 2,445 TypeScript 👤 Nutlope User 🕐 Aktualisiert 2026-07-12 📅 Erstellt 2024-11-12
49
facebookresearch/perception_models

Hochmoderne Bild- und Videoclip-Modelle, multimodale große Sprachmodelle und mehr!

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 Aktualisiert 2026-04-13 📅 Erstellt 2025-04-16

Häufig gestellte Fragen

1

Welches ist das beliebteste #multimodal-ai-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#multimodal-ai-Projekt auf GitHub ist anthropics/claude-cookbooks mit 54,935 Sternen. Eine Sammlung von Notizbüchern/Rezepten, die einige unterhaltsame und effektive Möglichkeiten zur Nutzung von Claude zeigen.

2

Welche Programmiersprachen werden in #multimodal-ai-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #multimodal-ai-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript, Kotlin die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #multimodal-ai-Repositories berechnet?

Wir verfolgen 191 aktive Open-Source-Repositories, die mit #multimodal-ai getaggt sind (500+ Sterne), mit insgesamt 589,873 Sternen und durchschnittlich 3,088 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.