Git Stars Git Stars

#multimodal-llm Repositorios

Descubre 27 repositorios activos de código abierto de GitHub etiquetados con #multimodal-llm, que acumulan 63,138 estrellas en total (una media de 2,338 estrellas por proyecto). El líder de este tema es anthropics/courses, con 22,833 estrellas.

27
Total de Repositorios
63,138
Total de estrellas
2,338
Promedio de Estrellas/Repo

27 repositorios en total

1
anthropics/courses

Cursos educativos de Anthropic

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

Kimi-Audio, un modelo de fundación de audio de código abierto que se destaca en la comprensión, generación y conversación de audio

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

Modelo de lenguaje grande multimodal de código abierto que puede oír, hablar mientras piensa. Con capacidades conversacionales de entrada de voz de extremo a extremo en tiempo real y salida de audio en streaming.

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

El primer modelo de IA de video autorregresivo abierto y fundamental.

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

OCRFlux es un kit de herramientas multimodal ligero pero potente que mejora significativamente la conversión de PDF a Markdown, destacando en el manejo de diseños complejos, el análisis de tablas complicadas y la fusión de contenido entre páginas.

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

Inteligencia Agéntica Visual Abierta

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

Modelos ASR de nivel industrial de código abierto que admiten mandarín, dialectos chinos e inglés, logrando un nuevo SOTA en puntos de referencia públicos de ASR en mandarín, al tiempo que ofrecen una capacidad excepcional de reconocimiento de letras de canciones.

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

WeMM-Embedding es una familia de modelos universales de incrustación multimodal desarrollados por el equipo de WeChat Vision de Tencent, que admite la comprensión y recuperación multimodal.

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

AgentCPM-GUI: Un agente GUI en el dispositivo para operar aplicaciones de Android, que mejora la capacidad de razonamiento con ajuste fino de refuerzo para una ejecución eficiente de tareas.

OpenBMB
⭐ 1,431 Python 👤 OpenBMB Organization 🕐 Actualizado 2026-01-11 📅 Creado 2025-05-13
11
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
12
DLYuanGod/TinyGPT-V

TinyGPT-V: Modelo de lenguaje grande multimodal eficiente a través de espinas dorsales pequeñas

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

VideoLLaMA 2: Avances en la modelización espacio-temporal y la comprensión de audio en Video-LLMs

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

Uni-MoE: La familia de modelos multimodales grandes de Lychee.

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

Un Modelo Generalista Transparente hacia la Comprensión Holística Visión-Lenguaje Médica

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

Video-R1: Fortalecimiento del Razonamiento de Video en MLLMs [🔥el primer artículo en explorar R1 para video]

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

Implementación oficial del artículo "MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens"

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

Transcribir PDF con LLM locales

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

Un sistema ASR todo en uno de grado industrial SOTA con módulos ASR, VAD, LID y Punc. FireRedASR2 admite chino (mandarín, 20+ dialectos/accentos), inglés, cambio de código y ASR tanto para voz como para canto. FireRedVAD admite voz/canto/música en 100+ idiomas. FireRedLID admite 100+ idiomas y 20+ dialectos chinos. FireRedPunc admite chino e inglés.

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

VideoLLM-online: Large Language Model en línea para video en streaming (CVPR 2024)

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

Implementación en PyTorch de "V* : Guided Visual Search as a Core Mechanism in Multimodal LLMs"

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

Ajuste fino de modelos de lenguaje grandes, ajuste fino de instrucciones Qwen2VL, Qwen2, GLM4

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

Se realizó un ajuste fino concatenado de la cabeza visual de SmolVLM2 con el modelo Qwen3-0.6B.

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

LaVIT: Empoderar al modelo de lenguaje grande para comprender y generar contenido visual

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

Este proyecto explora la integración de ChatGPT con WhatsApp, transformando el chatbot en un asistente virtual capaz de realizar tareas como hablar con amigos, responder a preguntas de clientes y mucho más, con un toque de humanización en las conversaciones.

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

[ICLR2026] VideoChat-Flash: Compresión jerárquica para la modelización de video de largo contexto

OpenGVLab
⭐ 532 Python 👤 OpenGVLab Organization 🕐 Actualizado 2026-07-19 📅 Creado 2024-03-24

Preguntas frecuentes

1

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

El proyecto de código abierto de #multimodal-llm mejor posicionado en GitHub es anthropics/courses, con 22,833 estrellas. Cursos educativos de Anthropic

2

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

Entre los proyectos de #multimodal-llm mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Markdown, TypeScript.

3

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

Seguimos 27 repositorios activos de código abierto etiquetados con #multimodal-llm (500+ estrellas), que suman un total de 63,138 estrellas, con una media de 2,338 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.