Git Stars Git Stars

#multimodal-ai Repositorios

Descubre 191 repositorios activos de código abierto de GitHub etiquetados con #multimodal-ai, que acumulan 589,873 estrellas en total (una media de 3,088 estrellas por proyecto). El líder de este tema es anthropics/claude-cookbooks, con 54,935 estrellas.

191
Total de Repositorios
589,873
Total de estrellas
3,088
Promedio de Estrellas/Repo

191 repositorios en total

1
anthropics/claude-cookbooks

Una colección de cuadernos/recetas que muestran algunas formas divertidas y efectivas de usar Claude.

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

Aplicación de escritorio de código abierto para LLM locales. Texto, visión, llamada a herramientas, API compatible con OpenAI/Anthropic. 100% privada.

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

Una galería que muestra casos de uso de ML/GenAI en el dispositivo y permite a las personas probar y utilizar modelos localmente.

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

Compresión óptica de contextos

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

Qwen3-VL es la serie de modelos de lenguaje grandes multimodales desarrollada por el equipo Qwen de Alibaba Cloud.

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

🚀 Kit de herramientas de IA de código abierto (humano digital) para generación de video sin conexión y clonación de humanos digitales.

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

Modelos Fundamentales para Traducción de Voz y Texto de Última Generación

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

pequeño modelo de lenguaje de visión

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

Un toolkit completo para la extracción de contenido PDF de alta calidad

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

ImageBind Un Espacio de Incrustación para Unirlos a Todos

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

Qwen-Image es un potente modelo fundamental de generación de imágenes capaz de renderizar texto complejo y editar imágenes con precisión.

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

NVIDIA Isaac GR00T N1.7 - Un Modelo Fundacional para Robots Generalistas.

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

Modelo base de texto a audio de Boson AI

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

Large World Model -- Modelado de texto y video con millones de contextos

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

El adaptador de indicaciones de imagen está diseñado para permitir que un modelo de difusión preentrenado de texto a imagen genere imágenes con una indicación de imagen.

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

[CVPR 2024] Detección de objetos en tiempo real de vocabulario abierto

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

Bella es la mejor

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

Modelo multimodal unificado de código abierto

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

Demostración de cámara web en tiempo real con SmolVLM y servidor llama.cpp

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

Puerta de enlace y catálogo de modelos oficial de Agnes AI para flujos de trabajo de texto, imagen, video y agentes compatibles con OpenAI.

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

DeepSeek-VL2: Modelos de Visión-Lenguaje Mixture-of-Experts para la Comprensión Multimodal Avanzada

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

David Attenborough narra tu vida

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

Hunyuan-DiT: Un potente Transformer de difusión multirresolución con comprensión detallada del chino

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

OmniGen2: Exploración hacia la Generación Multimodal Avanzada. https://arxiv.org/abs/2506.18871

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

El SDK de Python Gen AI de Google proporciona una interfaz para que los desarrolladores integren los modelos generativos de Google en sus aplicaciones Python.

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

Qwen2.5-Omni es un modelo multimodal de extremo a extremo del equipo Qwen de Alibaba Cloud, capaz de comprender texto, audio, visión, video y realizar generación de voz en tiempo real.

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

Implementación oficial de "Razonamiento multimodal de cadena de pensamiento en modelos de lenguaje" (mantente atento y se actualizarán más cosas)

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

Todo sobre la familia de modelos SmolLM y SmolVLM

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

Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Prompts de Imagen, Prompts Nanobanana, prompts nanobanana

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

FlagAI (Fast LArge-scale General AI models) es un toolkit rápido, fácil de usar y extensible para modelos a gran escala.

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

El repositorio proporciona el código para ejecutar la inferencia con el Modelo de Audio Segment Anything de Meta (SAM-Audio), enlaces para descargar los puntos de control del modelo entrenado y cuadernos de ejemplo que muestran cómo usar el modelo.

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

¡Mi gran colección de ideas creativas de nano-banana! ¡Actualización continua!

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

Sistema de Conversación con Avatar Digital - Linly-Talker. 😄✨ Linly-Talker es un sistema de IA inteligente que combina modelos de lenguaje grandes (LLM) con modelos visuales para crear un novedoso método de interacción humano-IA. 🤝🤖 Integra diversas tecnologías como Whisper, Linly, Microsoft Speech Services y el sistema de generación de cabezas parlantes SadTalker. 🌟🔬

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

🔥🔥🔥 [IEEE TCSVT] Últimos artículos, códigos y conjuntos de datos sobre Vid-LLMs.

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

GLM-4-Voice | Modelo de diálogo de voz de extremo a extremo chino-inglés

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

Holistic Evaluation of Language Models (HELM) es un marco de Python de código abierto creado por el Center for Research on Foundation Models (CRFM) en Stanford para la evaluación holística, reproducible y transparente de modelos de fundación, incluidos modelos de lenguaje grandes (LLM) y modelos multimodales.

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

Mano-P: Agente GUI-VLA de código abierto para dispositivos de borde. #1 en OSWorld (especializado, 58.2%). Se ejecuta localmente en Apple M4 Mac mini/MacBook — ningún dato sale de tu dispositivo. Mano-P es un proyecto GUI-VLA de código abierto que soporta ejecución local en Mac mini/MacBook o mediante una barra de cómputo, realizando operaciones de automatización GUI multiplataforma impulsadas puramente por visión. Los datos se procesan completamente de forma local, soporta planificación y ejecución de tareas complejas de múltiples pasos.

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

Un kit de herramientas de código abierto para el desarrollo de LLM

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

Navega por la web con GPT-4V y Vimium

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

[NeurIPS 2025] OmniSVG es la primera familia de generadores SVG multimodales de extremo a extremo que aprovechan los Modelos de Visión y Lenguaje (VLM) preentrenados, capaces de generar SVG complejos y detallados, desde iconos simples hasta intrincados personajes de anime.

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

IA de voz local en tiempo real

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

Next-Token Prediction es todo lo que necesitas

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

Una colección de cosas IMPRESIONANTES sobre LLM relacionados con grafos.

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

Biblioteca OCR de documento a Markdown con Llama 3.2 vision

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

¡Modelos CLIP" de última generación para imágenes y vídeos, grandes modelos de lenguaje multimodales y mucho más!

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

Preguntas frecuentes

1

¿Cuál es el repositorio de #multimodal-ai más popular en GitHub?

El proyecto de código abierto de #multimodal-ai mejor posicionado en GitHub es anthropics/claude-cookbooks, con 54,935 estrellas. Una colección de cuadernos/recetas que muestran algunas formas divertidas y efectivas de usar Claude.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #multimodal-ai?

Entre los proyectos de #multimodal-ai mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, JavaScript, Kotlin.

3

¿Cómo se calcula la clasificación de los repositorios de #multimodal-ai?

Seguimos 191 repositorios activos de código abierto etiquetados con #multimodal-ai (500+ estrellas), que suman un total de 589,873 estrellas, con una media de 3,088 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.