Git Stars Git Stars

#multimodal-ai Repositorios

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

191 repositorios en total

51
ByteDance-Seed/VeOmni

VeOmni: Escalando el entrenamiento de modelos de cualquier modalidad con un zoológico de recetas distribuidas centrado en el modelo

ByteDance-Seed
⭐ 2,299 Python 👤 ByteDance-Seed Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-03-28
52
ActiveVisionLab/Awesome-LLM-3D

Awesome-LLM-3D: una lista curada de modelos de lenguaje grandes multimodales en el mundo 3D Recursos

ActiveVisionLab
⭐ 2,284 👤 ActiveVisionLab Organization 🕐 Actualizado 2026-04-16 📅 Creado 2023-12-15
53
Liuziyu77/Visual-RFT

Repositorio oficial de 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’

Liuziyu77
⭐ 2,283 Jupyter Notebook 👤 Liuziyu77 User 🕐 Actualizado 2025-10-29 📅 Creado 2025-02-24
54
mrgoonie/claudekit-skills

¡Todas las poderosas habilidades de ClaudeKit.cc!

mrgoonie
⭐ 2,244 Python 👤 mrgoonie User 🕐 Actualizado 2026-04-03 📅 Creado 2025-10-23
55
microsoft/LLaVA-Med

Asistente Lingüístico-Visual a Gran Escala para Biomedicina, desarrollado hacia capacidades multimodales de nivel GPT-4.

microsoft
⭐ 2,207 Python 👤 microsoft Organization 🕐 Actualizado 2025-06-04 📅 Creado 2023-05-20
56
LAION-AI/CLAP

Preentrenamiento contrastivo de lenguaje y audio

LAION-AI
⭐ 2,167 Python 👤 LAION-AI Organization 🕐 Actualizado 2025-05-15 📅 Creado 2022-03-06
57
km1994/LLMsNineStoryDemonTower

【LLMs Torre del Demonio de Nueve Capas】Compartiendo experiencias prácticas y conocimientos sobre LLMs en campos como el procesamiento del lenguaje natural (ChatGLM, Chinese-LLaMA-Alpaca, Xiaoyangtuo Vicuna, LLaMA, GPT4ALL, etc.), recuperación de información (langchain), síntesis de lenguaje, reconocimiento de lenguaje, multimodal (Stable Diffusion, MiniGPT-4, VisualGLM-6B, Ziya-Visual, etc.).

km1994
⭐ 2,140 👤 km1994 User 🕐 Actualizado 2024-03-30 📅 Creado 2023-05-01
58
shcherbak-ai/contextgem

Extrae datos estructurados e información valiosa de documentos mediante modelos de lenguaje grandes y modelos de decisión

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-10-11
59
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5: Haciendo que los VLM de OCR ligeros sean más rápidos y mejores

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Actualizado 2026-09-24 📅 Creado 2025-11-18
60
QwenLM/Qwen2-Audio

El repositorio oficial del chat Qwen2-Audio y del modelo de lenguaje de audio grande preentrenado propuesto por Alibaba Cloud.

QwenLM
⭐ 2,072 Python 👤 QwenLM Organization 🕐 Actualizado 2025-04-21 📅 Creado 2024-06-24
61
merveenoyan/smol-vision

Recetas para reducir, optimizar y personalizar modelos de visión de vanguardia. 💜

merveenoyan
⭐ 2,004 Jupyter Notebook 👤 merveenoyan User 🕐 Actualizado 2026-08-12 📅 Creado 2024-03-13
62
NVIDIA-AI-Blueprints/video-search-and-summarization

El Blueprint de IA de NVIDIA para búsqueda y resumen de video (VSS) es una arquitectura de referencia acelerada por GPU para construir agentes de análisis de video con alertas verificadas en tiempo real, preguntas y respuestas visuales, e informes automatizados. El Blueprint VSS utiliza modelos de lenguaje visual (VLM) como NVIDIA Cosmos, LLM como NVIDIA Nemotron, RAG y NVIDIA NIM.

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-10-22
63
chn-lee-yumi/MaterialSearch

Búsqueda semántica. Busque fotos y videos locales a través del lenguaje natural. Búsqueda semántica de IA de material local. Buscar por imagen, encontrar material local, hacer coincidir escenas mediante descripciones de texto, buscar fotogramas de video, buscar videos por descripciones de escenas.

chn-lee-yumi
⭐ 1,998 HTML 👤 chn-lee-yumi User 🕐 Actualizado 2026-09-21 📅 Creado 2023-03-16
65
kimjammer/Neuro

Una recreación de Neuro-Sama creada originalmente en 7 días.

kimjammer
⭐ 1,960 Python 👤 kimjammer User 🕐 Actualizado 2025-01-17 📅 Creado 2024-01-07
66
microsoft/Magma

[CVPR 2025] Magma: Un modelo fundacional para agentes de IA multimodales

microsoft
⭐ 1,948 Python 👤 microsoft Organization 🕐 Actualizado 2026-03-03 📅 Creado 2024-11-22
67
gpt-omni/mini-omni2

Hacia GPT-4o de código abierto con capacidades de Visión, Voz y Dúplex.

gpt-omni
⭐ 1,896 Python 👤 gpt-omni Organization 🕐 Actualizado 2025-01-16 📅 Creado 2024-10-14
68
ivanfioravanti/chatbot-ollama

Chatbot Ollama es una interfaz de chat de código abierto para Ollama.

ivanfioravanti
⭐ 1,892 TypeScript 👤 ivanfioravanti User 🕐 Actualizado 2025-09-05 📅 Creado 2023-10-01
69
RanFeng/clipsketch-ai

Convierte momentos de vídeo en historias dibujadas a mano

RanFeng
⭐ 1,883 TypeScript 👤 RanFeng User 🕐 Actualizado 2026-01-14 📅 Creado 2025-11-27
70
AutoArk/EVA-OS

EVA OS: un AIOS multimodal en tiempo real para hardware de próxima generación, que permite que sus dispositivos estén "vivos" y sean tan inteligentes como un cerebro real.

AutoArk
⭐ 1,875 👤 AutoArk Organization 🕐 Actualizado 2026-08-03 📅 Creado 2025-11-26
71
Audio-AGI/AudioSep

Implementación oficial de "Separa cualquier cosa que describas"

Audio-AGI
⭐ 1,857 Python 👤 Audio-AGI Organization 🕐 Actualizado 2024-11-26 📅 Creado 2023-08-08
72
facebookresearch/MetaCLIP

NeurIPS 2025 Spotlight; ICLR2024 Spotlight; CVPR 2024; EMNLP 2024

facebookresearch
⭐ 1,856 Python 👤 facebookresearch Organization 🕐 Actualizado 2026-08-11 📅 Creado 2023-09-28
73
Core-Mate/OpenGUI

OpenGUI es un marco de trabajo de agentes de GUI para Android diseñado para IA en teléfonos, capaz de ver, planificar y operar aplicaciones móviles reales a través de la interfaz gráfica.

Core-Mate
⭐ 1,814 HTML 👤 Core-Mate Organization 🕐 Actualizado 2026-11-16 📅 Creado 2026-04-18
74
apple-aiml-research/ml-4m

4M: Modelado enmascarado masivamente multimodal

apple-aiml-research
⭐ 1,814 Python 👤 apple-aiml-research Organization 🕐 Actualizado 2026-09-11 📅 Creado 2024-04-08
76
kijai/ComfyUI-Florence2

Inferencia Microsoft Florence2 VLM

kijai
⭐ 1,764 Python 👤 kijai User 🕐 Actualizado 2026-05-06 📅 Creado 2024-06-19
77
facebookresearch/multimodal

TorchMultimodal es una biblioteca de PyTorch para entrenar modelos multimodales y multitarea de última generación a escala.

facebookresearch
⭐ 1,747 Python 👤 facebookresearch Organization 🕐 Actualizado 2026-11-16 📅 Creado 2022-01-27
79
JiuhaiChen/BLIP3o

Implementación oficial de la serie BLIP3o

JiuhaiChen
⭐ 1,667 Python 👤 JiuhaiChen User 🕐 Actualizado 2025-11-29 📅 Creado 2025-04-23
80
waybarrios/vllm-mlx

Servidor de inferencia de LLM de alto rendimiento compatible con OpenAI y Anthropic para Apple Silicon. MLX nativo, procesamiento por lotes continuo, modelos multimodales, llamadas a herramientas MCP y soporte para Claude Code.

waybarrios
⭐ 1,657 Python 👤 waybarrios User 🕐 Actualizado 2026-11-07 📅 Creado 2025-12-06
82
baaivision/Emu3.5

Los modelos multimodales nativos son aprendices del mundo

baaivision
⭐ 1,567 Python 👤 baaivision Organization 🕐 Actualizado 2025-12-30 📅 Creado 2025-10-29
83
microsoft/SoM

[arXiv 2023] Set-of-Mark Prompting para GPT-4V y LMM

microsoft
⭐ 1,499 Python 👤 microsoft Organization 🕐 Actualizado 2024-08-19 📅 Creado 2023-10-16
84
Nutlope/napkins

napkins.dev – de captura de pantalla a aplicación

Nutlope
⭐ 1,484 TypeScript 👤 Nutlope User 🕐 Actualizado 2026-10-23 📅 Creado 2024-09-18
86
zstar1003/ragflow-plus

Ragflow-Plus es una versión de desarrollo secundario de Ragflow, lo que la hace más concisa y práctica

zstar1003
⭐ 1,471 Python 👤 zstar1003 User 🕐 Actualizado 2026-11-18 📅 Creado 2025-03-24
87
0nutation/SpeechGPT

Serie SpeechGPT: Grandes modelos de lenguaje de voz

0nutation
⭐ 1,397 Python 👤 0nutation User 🕐 Actualizado 2024-07-22 📅 Creado 2023-05-16
88
IDEA-Research/awesome-detection-transformer

Recopila algunos artículos sobre transformadores para detección y segmentación. Awesome Detection Transformer para Visión Artificial (CV)

IDEA-Research
⭐ 1,392 👤 IDEA-Research Organization 🕐 Actualizado 2024-07-04 📅 Creado 2022-03-09
89
gokayfem/awesome-vlm-architectures

Catálogo visual seleccionado de más de 200 arquitecturas de modelos de visión y lenguaje (VLM/MLLM): artículos, diagramas, recetas de entrenamiento, conjuntos de datos y una cronología de lanzamientos de agentes de IA multimodales.

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Actualizado 2026-10-27 📅 Creado 2024-02-15
90
poe-platform/server-bot-quick-start

Tutorial para bots del servidor de Poe

poe-platform
⭐ 1,347 Python 👤 poe-platform Organization 🕐 Actualizado 2026-11-16 📅 Creado 2023-05-10
91
gavrielc/Nano-PDF

Editar archivos PDF con Nano Banana

gavrielc
⭐ 1,331 Python 👤 gavrielc User 🕐 Actualizado 2025-12-03 📅 Creado 2025-11-28
92
ConardLi/easy-llm-cli

Un agente de IA de código abierto compatible con múltiples modelos LLM

ConardLi
⭐ 1,319 TypeScript 👤 ConardLi User 🕐 Actualizado 2026-02-05 📅 Creado 2025-07-11
93
Meituan-AutoML/MobileVLM

Asistente de Lenguaje Visual Fuerte y Abierto para Dispositivos Móviles

Meituan-AutoML
⭐ 1,317 Python 👤 Meituan-AutoML Organization 🕐 Actualizado 2024-04-15 📅 Creado 2023-12-29
94
hemingkx/SpeculativeDecodingPapers

📰 Artículos y blogs de lectura obligatoria sobre Decodificación Especulativa ⚡️

hemingkx
⭐ 1,309 👤 hemingkx User 🕐 Actualizado 2026-06-27 📅 Creado 2023-09-20
95
JMAN730/opendroid

Su agente autónomo abierto para Android: un asistente de IA listo para producción, autoplanificador, impulsado por LLM locales/remotos y automatización de pantalla basada en accesibilidad.

JMAN730
⭐ 1,300 Kotlin 👤 JMAN730 User 🕐 Actualizado 2026-11-10 📅 Creado 2026-05-21
96
opendatalab/LabelLLM

La plataforma de anotación de datos de código abierto

opendatalab
⭐ 1,298 TypeScript 👤 opendatalab Organization 🕐 Actualizado 2026-07-02 📅 Creado 2024-05-07
⭐ 1,293 Python 👤 Visual-Agent Organization 🕐 Actualizado 2025-11-20 📅 Creado 2025-03-15
98
aiming-lab/Agent0

[ICML'26 & COLM'26] Serie Agent0: Agentes autoevolutivos a partir de datos cero

aiming-lab
⭐ 1,292 Python 👤 aiming-lab Organization 🕐 Actualizado 2026-07-10 📅 Creado 2025-10-20
99
OpenTSLM/OpenTSLM

OpenTSLM: Modelos de lenguaje de series temporales para el razonamiento sobre datos multivariantes de texto médico y series temporales

OpenTSLM
⭐ 1,273 Python 👤 OpenTSLM Organization 🕐 Actualizado 2026-07-21 📅 Creado 2025-05-14
100
VILA-Lab/Awesome-DLMs

El repositorio oficial de GitHub para el artículo de revisión «A Survey on Diffusion Language Models».

VILA-Lab
⭐ 1,252 👤 VILA-Lab Organization 🕐 Actualizado 2026-10-02 📅 Creado 2025-07-14