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

101
Azure/AzurePublicDataset

Microsoft Azure Traces

Azure
⭐ 1,231 Jupyter Notebook 👤 Azure Organization 🕐 Actualizado 2026-11-17 📅 Creado 2017-08-18
102
liliu-avril/Awesome-Segment-Anything

Este repositorio es la primera encuesta exhaustiva sobre el Modelo de Segmentación de Nada (SAM) de Meta AI.

liliu-avril
⭐ 1,227 👤 liliu-avril User 🕐 Actualizado 2026-11-21 📅 Creado 2023-05-16
104
googleapis/go-genai

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

googleapis
⭐ 1,210 Go 👤 googleapis Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-12-06
105
MoonshotAI/Kimi-VL

Kimi-VL: Modelo Visión-Lenguaje de Mezcla de Expertos para Razonamiento Multimodal, Comprensión de Largo Contexto y Fuertes Capacidades de Agente

MoonshotAI
⭐ 1,203 👤 MoonshotAI Organization 🕐 Actualizado 2025-07-15 📅 Creado 2025-04-09
106
visual-openllm/visual-openllm

algo como Visual-ChatGPT, la versión de código abierto de Wenyiyan

visual-openllm
⭐ 1,201 Python 👤 visual-openllm Organization 🕐 Actualizado 2024-02-24 📅 Creado 2023-03-26
108
UMass-Embodied-AGI/3D-LLM

Código para 3D-LLM: Inyectando el mundo 3D en modelos de lenguaje grandes

UMass-Embodied-AGI
⭐ 1,166 Python 👤 UMass-Embodied-AGI Organization 🕐 Actualizado 2024-06-06 📅 Creado 2023-07-24
109
YUANZHUO-BNU/metahuman_overview

Organización de datos de personas digitales

YUANZHUO-BNU
⭐ 1,143 👤 YUANZHUO-BNU Organization 🕐 Actualizado 2025-01-08 📅 Creado 2023-09-05
110
ATH-MaaS/Pixelle-MCP

Una solución AIGC multimodal de código abierto basada en ComfyUI + MCP + LLM https://pixelle.ai

ATH-MaaS
⭐ 1,131 Python 👤 ATH-MaaS Organization 🕐 Actualizado 2025-12-17 📅 Creado 2025-07-28
112
XiaomiMiMo/MiMo-Audio

MiMo-Audio: Los modelos de lenguaje de audio son aprendices de pocos ejemplos

XiaomiMiMo
⭐ 1,095 Python 👤 XiaomiMiMo Organization 🕐 Actualizado 2026-10-29 📅 Creado 2025-09-19
113
Alpha-VLLM/Lumina-mGPT-2.0

Lumina-mGPT 2.0: Modelado autorregresivo de imágenes independiente

Alpha-VLLM
⭐ 1,081 Python 👤 Alpha-VLLM Organization 🕐 Actualizado 2025-11-03 📅 Creado 2025-04-03
114
trailofbits/anamorpher

ataques de escalado de imágenes para inyección de indicaciones multimodales

trailofbits
⭐ 1,079 Python 👤 trailofbits Organization 🕐 Actualizado 2026-05-19 📅 Creado 2025-08-20
115
ddupont808/GPT-4V-Act

Agente de IA que utiliza GPT-4V(ision) capaz de usar mouse/teclado para interactuar con la interfaz de usuario web

ddupont808
⭐ 1,062 JavaScript 👤 ddupont808 User 🕐 Actualizado 2024-12-09 📅 Creado 2023-10-21
116
OSU-NLP-Group/Mind2Web

[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- el primer agente web basado en LLM y benchmark para agentes web generalistas

OSU-NLP-Group
⭐ 1,036 Jupyter Notebook 👤 OSU-NLP-Group Organization 🕐 Actualizado 2025-11-05 📅 Creado 2023-04-21
117
google-gemini/nano-banana-hackathon-kit

El kit de inicio oficial para el Nano Banana Hackathon. ¡Clona este repositorio para empezar a construir rápidamente!

google-gemini
⭐ 1,028 Jupyter Notebook 👤 google-gemini Organization 🕐 Actualizado 2025-09-08 📅 Creado 2025-09-04
118
JackAILab/ConsistentID

[TPAMI 2026] ConsistentID: Generación de Retratos con Preservación de Identidad Multimodal de Granularidad Fina

JackAILab
⭐ 1,026 Python 👤 JackAILab User 🕐 Actualizado 2026-01-02 📅 Creado 2024-04-15
119
dtsola/xiaoyaosearch

Xiaoyao Search: Comprende tus palabras, lee tus imágenes y encuentra cualquier archivo local con IA, haciendo la búsqueda tan sencilla como conversar.

dtsola
⭐ 1,023 Python 👤 dtsola User 🕐 Actualizado 2026-11-18 📅 Creado 2025-11-11
121
disler/always-on-ai-assistant

Un patrón para un asistente de IA siempre activo impulsado por Deepseek-V3, RealtimeSTT y Typer para ingeniería

disler
⭐ 991 Python 👤 disler User 🕐 Actualizado 2025-01-12 📅 Creado 2025-01-12
122
lancedb/vectordb-recipes

Recursos, ejemplos y tutoriales para IA multimodal, RAG y agentes que utilizan búsqueda vectorial y LLMs

lancedb
⭐ 991 Jupyter Notebook 👤 lancedb Organization 🕐 Actualizado 2026-11-04 📅 Creado 2023-06-25
123
tech-shrimp/gemini-playground

Despliega un sitio web de chat multimodal de Gemini en 10 segundos, ¡sin servidor! Solo necesitas preparar una Gemini API Key y en 10 segundos podrás desplegar un sitio web para el chat multimodal de Gemini.

tech-shrimp
⭐ 977 JavaScript 👤 tech-shrimp User 🕐 Actualizado 2026-01-23 📅 Creado 2025-01-03
124
microsoft/MM-REACT

Repositorio oficial para MM-REACT

microsoft
⭐ 965 Python 👤 microsoft Organization 🕐 Actualizado 2026-10-26 📅 Creado 2023-03-15
125
facebookresearch/spiritlm

Código de inferencia para el artículo "Spirit-LM Interleaved Spoken and Written Language Model".

facebookresearch
⭐ 926 Python 👤 facebookresearch Organization 🕐 Actualizado 2024-10-28 📅 Creado 2024-09-06
127
TencentARC/SEED-Story

SEED-Story: Generación multimodal de historias largas con modelo de lenguaje grande

TencentARC
⭐ 879 Python 👤 TencentARC Organization 🕐 Actualizado 2024-10-11 📅 Creado 2024-07-10
128
InternLM/Intern-S1

Un modelo fundacional científico multimodal

InternLM
⭐ 876 👤 InternLM Organization 🕐 Actualizado 2026-09-13 📅 Creado 2025-07-25
129
DirtyHarryLYL/LLM-in-Vision

Trabajos recientes basados en LLM en CV y relacionados. ¡Bienvenido a comentar/contribuir!

DirtyHarryLYL
⭐ 868 👤 DirtyHarryLYL User 🕐 Actualizado 2025-03-08 📅 Creado 2023-03-10
130
IDEA-Research/Motion-X

[NeurIPS 2023] Implementación oficial del artículo "Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset"

IDEA-Research
⭐ 863 Python 👤 IDEA-Research Organization 🕐 Actualizado 2025-03-03 📅 Creado 2023-06-12
131
RiseInRose/MiniGPT-4-ZH

MiniGPT-4 Despliegue en chino Traducción Perfeccionar los detalles de implementación

RiseInRose
⭐ 859 Python 👤 RiseInRose User 🕐 Actualizado 2026-05-09 📅 Creado 2023-04-19
133
allenai/molmo

Código para el Modelo de Lenguaje Visual Molmo

allenai
⭐ 851 Python 👤 allenai Organization 🕐 Actualizado 2024-12-12 📅 Creado 2024-12-05
134
jrin771/Everything-LLMs-And-Robotics

El repositorio de GitHub más grande del mundo para LLMs + Robótica

jrin771
⭐ 850 👤 jrin771 User 🕐 Actualizado 2024-07-14 📅 Creado 2023-05-10
135
TideDra/lmm-r1

Extender OpenRLHF para admitir el entrenamiento LMM RL para la reproducción de DeepSeek-R1 en tareas multimodales.

TideDra
⭐ 843 Python 👤 TideDra User 🕐 Actualizado 2025-05-14 📅 Creado 2025-02-13
136
GAIR-NLP/anole

[Versión extendida ICLR 2025 Blog Track] Anole: Modelos multimodales abiertos, autoregresivos y nativos para la generación de imagen-texto intercalada

GAIR-NLP
⭐ 841 Python 👤 GAIR-NLP Organization 🕐 Actualizado 2025-06-16 📅 Creado 2024-07-01
137
vimalabs/VIMA

Implementación oficial del algoritmo del artículo ICML'23 "VIMA: Manipulación Robótica General con Indicaciones Multimodales"

vimalabs
⭐ 841 Python 👤 vimalabs Organization 🕐 Actualizado 2024-04-18 📅 Creado 2022-10-07
138
OpenMOSS/MOSS-VL

Una serie de modelos de 11B con pesos abiertos para la comprensión de videos de larga duración y en tiempo real

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 Actualizado 2026-10-14 📅 Creado 2026-04-08
139
CodeGoat24/UnifiedReward

Implementación oficial de UnifiedReward y [NeurIPS 2025] UnifiedReward-Think y UnifiedReward-Flex

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 Actualizado 2026-06-18 📅 Creado 2025-03-04
140
nvidia-cosmos/cosmos-transfer1

Cosmos-Transfer1 es un modelo de transferencia de mundo a mundo diseñado para cerrar la brecha perceptiva entre entornos simulados y del mundo real.

nvidia-cosmos
⭐ 830 Python 👤 nvidia-cosmos Organization 🕐 Actualizado 2026-10-15 📅 Creado 2025-03-02
141
iwyxdxl/WeChatBot_WXAUTO_SE

[Parada de mantenimiento] Herramienta de agregación de diálogo LLM API. Repositorio del proyecto original: https://github.com/KouriChat/KouriChat Este proyecto fue modificado y creado por iwyxdxl basándose en el proyecto original. Solo para aprendizaje, respete las normas, no lo integre con plataformas públicas ni lo use en ninguna actividad de producción.

iwyxdxl
⭐ 816 Python 👤 iwyxdxl User 🕐 Actualizado 2026-01-15 📅 Creado 2025-03-07
142
webmachinelearning/prompt-api

💬 Una propuesta de API web para solicitar modelos de lenguaje proporcionados por el navegador

webmachinelearning
⭐ 797 Bikeshed 👤 webmachinelearning Organization 🕐 Actualizado 2026-11-09 📅 Creado 2024-07-01
144
mlfoundations/datacomp

DataComp: En busca de la próxima generación de conjuntos de datos multimodales

mlfoundations
⭐ 780 Python 👤 mlfoundations Organization 🕐 Actualizado 2025-04-28 📅 Creado 2023-04-28
145
ModalMinds/MM-EUREKA

MM-EUREKA: Explorando las fronteras del razonamiento multimodal con aprendizaje por refuerzo basado en reglas

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 Actualizado 2025-09-07 📅 Creado 2025-03-07
146
MewCo-AI/mewco_ai_assistant_comm

Edición Comunitaria del Asistente de IA Fengyun

MewCo-AI
⭐ 756 Python 👤 MewCo-AI Organization 🕐 Actualizado 2026-06-12 📅 Creado 2024-07-09
147
Ruixxxx/Awesome-Vision-Mamba-Models

[Repositorio Oficial] Visual Mamba: Una Encuesta y Nuevas Perspectivas

Ruixxxx
⭐ 753 👤 Ruixxxx User 🕐 Actualizado 2026-08-17 📅 Creado 2024-04-09
148
IDEA-Research/OpenSeeD

[ICCV 2023] Implementación oficial del artículo "A Simple Framework for Open-Vocabulary Segmentation and Detection"

IDEA-Research
⭐ 745 Python 👤 IDEA-Research Organization 🕐 Actualizado 2024-01-22 📅 Creado 2023-03-14
149
chflame163/ComfyUI_LayerStyle_Advance

Los nodos desacoplados de [ComfyUI Layer Style](https://github.com/chflame163/ComfyUI_LayerStyle) son principalmente aquellos con requisitos complejos para los paquetes de dependencia.

chflame163
⭐ 724 Python 👤 chflame163 User 🕐 Actualizado 2026-09-18 📅 Creado 2024-12-05
150
ComfyUI-Workflow/awesome-comfyui

Una colección de impresionantes nodos personalizados para ComfyUI

ComfyUI-Workflow
⭐ 724 Python 👤 ComfyUI-Workflow Organization 🕐 Actualizado 2025-07-24 📅 Creado 2024-10-05