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

153
stepfun-ai/NextStep-1

[🚀 ICLR 2023 Oral] NextStep-1: SOTA Autogressive Imagen Generación con Tokens Continuos. Proyecto de investigación desarrollado por el equipo de Inteligencia Multimodal de StepFun.

stepfun-ai
⭐ 696 Python 👤 stepfun-ai Organization 🕐 Actualizado 2026-02-27 📅 Creado 2025-08-14
154
Yaofang-Liu/Pusa-VidGen

Pusa: Modelo de difusión de video de miles de pasos de tiempo

Yaofang-Liu
⭐ 685 Python 👤 Yaofang-Liu User 🕐 Actualizado 2026-02-13 📅 Creado 2025-03-25
155
AlexZhangji/Twitter-Insight-LLM

Extracción de datos de Twitter, búsqueda de imágenes basada en incrustaciones y más.

AlexZhangji
⭐ 685 Jupyter Notebook 👤 AlexZhangji User 🕐 Actualizado 2024-04-17 📅 Creado 2024-03-05
156
gregsadetsky/sagittarius

Una herramienta de exploración de voz/vídeo GPT-4/Gemini

gregsadetsky
⭐ 685 TypeScript 👤 gregsadetsky User 🕐 Actualizado 2024-01-26 📅 Creado 2023-12-11
157
inclusionAI/Ming

Ming: facilita capacidades avanzadas de comprensión y generación multimodal construidas sobre el Ling LLM.

inclusionAI
⭐ 683 Jupyter Notebook 👤 inclusionAI Organization 🕐 Actualizado 2026-07-27 📅 Creado 2025-04-21
158
ATH-MaaS/Agentic-ADK

Agentic ADK es un framework de desarrollo de aplicaciones de agentes lanzado por Alibaba International AI Business, basado en Google-ADK y Ali-LangEngine.

ATH-MaaS
⭐ 683 Java 👤 ATH-MaaS Organization 🕐 Actualizado 2025-11-24 📅 Creado 2024-11-08
159
pfrankov/obsidian-local-gpt

Asistencia local de Ollama y GPT similar a OpenAI para máxima privacidad y acceso sin conexión

pfrankov
⭐ 678 TypeScript 👤 pfrankov User 🕐 Actualizado 2026-10-26 📅 Creado 2023-12-03
161
zstar1003/FreeTex

Un software gratuito e inteligente para el reconocimiento de fórmulas

zstar1003
⭐ 668 Python 👤 zstar1003 User 🕐 Actualizado 2026-11-17 📅 Creado 2025-05-04
162
snap-research/Panda-70M

[CVPR 2024] Panda-70M: Subtitulando 70 millones de videos con múltiples profesores intermodales

snap-research
⭐ 659 Python 👤 snap-research Organization 🕐 Actualizado 2024-10-25 📅 Creado 2024-02-14
163
videosdk-live/agents

Framework de código abierto para el desarrollo de agentes de IA conversacionales multimodales en tiempo real.

videosdk-live
⭐ 657 Python 👤 videosdk-live Organization 🕐 Actualizado 2026-08-07 📅 Creado 2025-05-02
164
yhLeeee/Awesome-LLMs-in-Graph-tasks

Una colección curada de artículos de investigación que exploran la utilización de LLM para tareas relacionadas con grafos.

yhLeeee
⭐ 657 👤 yhLeeee User 🕐 Actualizado 2025-03-21 📅 Creado 2023-11-17
166
bytedance/comfyui-lumi-batcher

ComfyUI Lumi Batcher es un plugin de extensión de procesamiento por lotes diseñado para ComfyUI, con el objetivo de mejorar la eficiencia de la depuración del flujo de trabajo. Los métodos de depuración tradicionales requieren ajustar los parámetros uno por uno, mientras que esta herramienta mejora significativamente la eficiencia del trabajo a través de capacidades de procesamiento por lotes.

bytedance
⭐ 651 TypeScript 👤 bytedance Organization 🕐 Actualizado 2026-10-10 📅 Creado 2025-05-29
167
Alpha-VLLM/Lumina-mGPT

Implementación oficial de "Lumina-mGPT: Ilumina la generación flexible foto-realista de texto a imagen con pre-entrenamiento generativo multimodal"

Alpha-VLLM
⭐ 648 Python 👤 Alpha-VLLM Organization 🕐 Actualizado 2025-10-16 📅 Creado 2024-08-02
⭐ 647 Python 👤 Visual-Agent Organization 🕐 Actualizado 2026-02-26 📅 Creado 2025-10-31
169
CY-CHENYUE/ComfyUI-Janus-Pro

Nodos ComfyUI para Janus-Pro, un marco unificado de comprensión y generación multimodal.

CY-CHENYUE
⭐ 647 Python 👤 CY-CHENYUE User 🕐 Actualizado 2025-01-30 📅 Creado 2025-01-27
170
mit-han-lab/hart

HART: Generación visual eficiente con Transformer autorregresivo híbrido

mit-han-lab
⭐ 647 Python 👤 mit-han-lab Organization 🕐 Actualizado 2024-10-16 📅 Creado 2024-10-08
171
SpursGoZmy/Awesome-Tabular-LLMs

Recopilamos artículos sobre "grandes modelos de lenguaje (LLM) para tareas relacionadas con tablas", por ejemplo, el uso de LLM para la tarea Table QA. Colección de artículos relacionados con "Tabla + LLM"

SpursGoZmy
⭐ 640 👤 SpursGoZmy User 🕐 Actualizado 2026-04-09 📅 Creado 2023-06-28
173
PromtEngineer/localGPT-Vision

Chatea con tus documentos utilizando Modelos de Lenguaje de Visión. Este repositorio implementa un pipeline RAG de extremo a extremo con VLMs locales y propietarios.

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 Actualizado 2025-07-26 📅 Creado 2024-10-01
174
iSEE-Laboratory/LLMDet

(Destacado de CVPR 2025✨) Repositorio oficial del artículo "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"

iSEE-Laboratory
⭐ 628 Python 👤 iSEE-Laboratory Organization 🕐 Actualizado 2026-02-04 📅 Creado 2025-01-30
175
Ucas-HaoranWei/Vary-toy

Implementación oficial del código de Vary-toy (Small Language Model se encuentra con Reinforced Vision Vocabulary)

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 Actualizado 2024-12-30 📅 Creado 2024-01-10
176
microsoft/CLAP

Aprendizaje de conceptos de audio a partir de la supervisión del lenguaje natural

microsoft
⭐ 625 Python 👤 microsoft Organization 🕐 Actualizado 2024-09-18 📅 Creado 2022-11-02
177
vb000/LookOnceToHear

Un nuevo método de interacción humana para la extracción de voz en tiempo real en auriculares.

vb000
⭐ 615 Python 👤 vb000 User 🕐 Actualizado 2026-07-22 📅 Creado 2024-05-10
178
thu-coai/Glyph

Repositorio oficial de "Glyph: Scaling Context Windows via Visual-Text Compression"

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 Actualizado 2025-11-04 📅 Creado 2025-10-20
180
levyflux/AViD

Framework que permite el ajuste fino de modelos de anclaje de visión y lenguaje en conjuntos de datos personalizados

levyflux
⭐ 608 Python 👤 levyflux User 🕐 Actualizado 2026-08-30 📅 Creado 2025-03-19
181
yushangxiao/claude2api

Convertir el servicio web de Claude en un servicio API, admitiendo reconocimiento de imágenes, carga de archivos, salida de pensamiento...

yushangxiao
⭐ 606 Go 👤 yushangxiao User 🕐 Actualizado 2025-07-01 📅 Creado 2025-03-25
⭐ 604 Jupyter Notebook 👤 generative-ai-on-aws Organization 🕐 Actualizado 2024-10-09 📅 Creado 2023-08-24
184
hkproj/pytorch-paligemma

Codificación de un modelo de lenguaje multimodal (visión) desde cero en PyTorch con explicación completa: https://www.youtube.com/watch?v=vAmKB7iPkWw

hkproj
⭐ 579 Python 👤 hkproj User 🕐 Actualizado 2024-12-06 📅 Creado 2024-07-13
186
fufankeji/DeepSeek-OCR-Web

Web Studio de análisis de documentos OCR DeepSeek listo para usar

fufankeji
⭐ 568 TypeScript 👤 fufankeji User 🕐 Actualizado 2025-10-27 📅 Creado 2025-10-23
187
unconv/gpt4v-browsing

Web Scraping con la API GPT-4 Vision y Puppeteer

unconv
⭐ 563 JavaScript 👤 unconv User 🕐 Actualizado 2024-01-31 📅 Creado 2023-11-24
189
luogen1996/LaVIN

Implementaciones oficiales de "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" [NeurIPS 2023]

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 Actualizado 2024-01-27 📅 Creado 2023-05-15
190
SmartFlowAI/Llama3-Tutorial

Llama3-Tutorial (XTuner, LMDeploy, OpenCompass)

SmartFlowAI
⭐ 511 Python 👤 SmartFlowAI Organization 🕐 Actualizado 2024-05-10 📅 Creado 2024-04-19