Git Stars Git Stars

#multimodal-llm Repositories

Entdecke 27 aktive Open-Source-GitHub-Repositories, die mit #multimodal-llm getaggt sind und insgesamt 63,138 Sterne gesammelt haben (durchschnittlich 2,338 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist anthropics/courses mit 22,833 Sternen.

27
Gesamtzahl der Repositories
63,138
Gesamtanzahl der Sterne
2,338
Durchschnittliche Sterne/Repo

Insgesamt 27 Repositories

1
anthropics/courses

Anthropic's Bildungskurse

anthropics
⭐ 22,833 Jupyter Notebook 👤 anthropics Organization 🕐 Aktualisiert 2026-08-28 📅 Erstellt 2024-05-30
2
MoonshotAI/Kimi-Audio

Kimi-Audio, ein Open-Source-Audiofundierungsmodell, das sich in Audioverständnis, -generierung und -gesprächen auszeichnet

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 Aktualisiert 2025-06-21 📅 Erstellt 2025-04-25
4
gpt-omni/mini-omni

Open-Source multimodales großes Sprachmodell, das hören, sprechen und denken kann. Mit Echtzeit-Ende-zu-Ende-Spracheingabe und Streaming-Audio-Ausgabe-Konversationsfähigkeiten.

gpt-omni
⭐ 3,504 Python 👤 gpt-omni Organization 🕐 Aktualisiert 2024-11-05 📅 Erstellt 2024-08-27
5
Everlyn-Labs/Everlyn-1

Das erste offene autoregressive grundlegende Video-KI-Modell.

Everlyn-Labs
⭐ 2,891 👤 Everlyn-Labs Organization 🕐 Aktualisiert 2026-10-07 📅 Erstellt 2024-10-13
6
chatdoc-com/OCRFlux

OCRFlux ist ein leichtgewichtiger, aber leistungsstarker multimodaler Toolkit, der die PDF-zu-Markdown-Konvertierung erheblich vorantreibt und sich durch die Verarbeitung komplexer Layouts, die Analyse komplizierter Tabellen und die inhaltsübergreifende Zusammenführung von Seiten auszeichnet.

chatdoc-com
⭐ 2,532 Python 👤 chatdoc-com Organization 🕐 Aktualisiert 2026-04-14 📅 Erstellt 2025-06-04
7
MoonshotAI/Kimi-K2.5

Offene visuelle agentische Intelligenz

MoonshotAI
⭐ 2,321 👤 MoonshotAI Organization 🕐 Aktualisiert 2026-08-06 📅 Erstellt 2026-01-30
8
FireRedTeam/FireRedASR

Open-Source-ASR-Modelle in Industriequalität, die Mandarin, chinesische Dialekte und Englisch unterstützen, neue SOTA-Ergebnisse auf öffentlichen Mandarin-ASR-Benchmarks erzielen und auch eine herausragende Fähigkeit zur Erkennung von Gesangstexten bieten.

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 Aktualisiert 2026-02-25 📅 Erstellt 2025-01-24
9
Tencent/WeMM-Embedding

WeMM-Embedding ist eine Familie universeller multimodaler Embedding-Modelle des WeChat Vision Teams bei Tencent, die multimodales Verstehen und Retrieval unterstützt.

Tencent
⭐ 1,824 Python 👤 Tencent Organization 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2026-08-25
10
OpenBMB/AgentCPM-GUI

AgentCPM-GUI: Ein On-Device GUI-Agent für den Betrieb von Android-Apps, der die Schlussfolgerungsfähigkeit durch verstärkende Feinabstimmung für eine effiziente Aufgabenausführung verbessert.

OpenBMB
⭐ 1,431 Python 👤 OpenBMB Organization 🕐 Aktualisiert 2026-01-11 📅 Erstellt 2025-05-13
11
gokayfem/awesome-vlm-architectures

Kuratierter visueller Katalog mit über 200 Architekturen von Vision-Language-Modellen (VLM/MLLM): Fachartikel, Diagramme, Trainingsrezepte, Datensätze und ein Veröffentlichungszeitplan für multimodale KI-Agenten.

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Aktualisiert 2026-10-27 📅 Erstellt 2024-02-15
12
DLYuanGod/TinyGPT-V

TinyGPT-V: Effizientes multimodales großes Sprachmodell über kleine Rückgrate

DLYuanGod
⭐ 1,313 Python 👤 DLYuanGod User 🕐 Aktualisiert 2026-02-05 📅 Erstellt 2023-12-28
13
DAMO-NLP-SG/VideoLLaMA2

VideoLLaMA 2: Fortschritte im räumlich-zeitlichen Modellieren und Verstehen von Audio in Video-LLMs

DAMO-NLP-SG
⭐ 1,298 Python 👤 DAMO-NLP-SG Organization 🕐 Aktualisiert 2025-01-23 📅 Erstellt 2024-05-31
14
HITsz-TMG/Uni-MoE

Uni-MoE: Lychees Familie großer multimodaler Modelle.

HITsz-TMG
⭐ 1,120 Python 👤 HITsz-TMG Organization 🕐 Aktualisiert 2026-08-06 📅 Erstellt 2024-03-04
15
ZJUI-AI4H/Hulu-Med

Ein transparentes Generalistenmodell für ein ganzheitliches medizinisches Bild-Sprach-Verständnis

ZJUI-AI4H
⭐ 1,031 Python 👤 ZJUI-AI4H User 🕐 Aktualisiert 2026-08-30 📅 Erstellt 2025-10-08
16
tulerfeng/Video-R1

Video-R1: Verstärkung der Videobegründung in MLLMs [🔥das erste Paper, das R1 für Videos erforscht]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 Aktualisiert 2025-12-14 📅 Erstellt 2025-02-22
17
UCSB-AI/MiniGPT-5

Offizielle Implementierung des Papers „MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens“

UCSB-AI
⭐ 865 Python 👤 UCSB-AI Organization 🕐 Aktualisiert 2025-05-08 📅 Erstellt 2023-10-02
18
ngafar/llama-scan

PDFs mit lokalen LLMs transkribieren

ngafar
⭐ 807 Python 👤 ngafar User 🕐 Aktualisiert 2026-10-22 📅 Erstellt 2025-06-11
19
FireRedTeam/FireRedASR2S

Ein SOTA-Industrie-All-in-One-ASR-System mit ASR-, VAD-, LID- und Punc-Modulen. FireRedASR2 unterstützt Chinesisch (Mandarin, 20+ Dialekte/Akzente), Englisch, Code-Switching sowie Sprach- und Gesangs-ASR. FireRedVAD unterstützt Sprache/Gesang/Musik in 100+ Sprachen. FireRedLID unterstützt 100+ Sprachen und 20+ chinesische Dialekte. FireRedPunc unterstützt Chinesisch und Englisch.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Aktualisiert 2026-06-02 📅 Erstellt 2026-02-12
⭐ 703 Python 👤 stepfun-ai Organization 🕐 Aktualisiert 2026-04-29 📅 Erstellt 2025-11-11
21
showlab/videollm-online

VideoLLM-online: Online Large Language Model für Streaming-Videos (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Aktualisiert 2025-11-26 📅 Erstellt 2024-06-17
22
penghao-wu/vstar

PyTorch-Implementierung von „V* : Guided Visual Search as a Core Mechanism in Multimodal LLMs“

penghao-wu
⭐ 684 Python 👤 penghao-wu User 🕐 Aktualisiert 2024-01-07 📅 Erstellt 2023-12-15
23
Zeyi-Lin/LLM-Finetune

Feinabstimmung großer Sprachmodelle, Qwen2VL, Qwen2, GLM4-Instruktions-Feinabstimmung

Zeyi-Lin
⭐ 644 Jupyter Notebook 👤 Zeyi-Lin User 🕐 Aktualisiert 2025-05-26 📅 Erstellt 2024-06-10
24
ShaohonChen/Qwen3-SmVL

Das visuelle Modul von SmolVLM2 wurde mit dem Qwen3-0.6B-Modell zusammengeführt und mittels Concatenated Fine-Tuning trainiert.

ShaohonChen
⭐ 608 Python 👤 ShaohonChen User 🕐 Aktualisiert 2025-09-08 📅 Erstellt 2025-07-12
25
jy0205/LaVIT

LaVIT: Befähigung großer Sprachmodelle zum Verstehen und Generieren von visuellen Inhalten

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 Aktualisiert 2024-10-06 📅 Erstellt 2023-09-09
26
omarcusdev/zap-gpt-free

Dieses Projekt untersucht die Integration von ChatGPT mit WhatsApp und verwandelt den Chatbot in einen virtuellen Assistenten, der Aufgaben wie die Kommunikation mit Freunden, die Beantwortung von Kundenfragen und vieles mehr mit einer menschlichen Note in Gesprächen erledigen kann.

omarcusdev
⭐ 597 TypeScript 👤 omarcusdev User 🕐 Aktualisiert 2024-12-07 📅 Erstellt 2024-01-09
27
OpenGVLab/VideoChat-Flash

[ICLR2026] VideoChat-Flash: Hierarchische Kompression für die Langkontext-Video-Modellierung

OpenGVLab
⭐ 532 Python 👤 OpenGVLab Organization 🕐 Aktualisiert 2026-07-19 📅 Erstellt 2024-03-24

Häufig gestellte Fragen

1

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

Das am höchsten eingestufte Open-Source-#multimodal-llm-Projekt auf GitHub ist anthropics/courses mit 22,833 Sternen. Anthropic's Bildungskurse

2

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

Unter den am höchsten eingestuften #multimodal-llm-Projekten auf GitHub sind Python, Jupyter Notebook, Markdown, TypeScript die am häufigsten verwendeten Programmiersprachen.

3

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

Wir verfolgen 27 aktive Open-Source-Repositories, die mit #multimodal-llm getaggt sind (500+ Sterne), mit insgesamt 63,138 Sternen und durchschnittlich 2,338 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.