Git Stars Git Stars

#multimodal-ai Dépôts

191
Total des Dépôts
589,873
Nombre total d'étoiles
3,088
Moyenne d'Étoiles/Dépôt
51
ByteDance-Seed/VeOmni

VeOmni : Mise à l'échelle de la formation de modèles de toute modalité avec une bibliothèque distribuée de recettes centrée sur le modèle

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

Awesome-LLM-3D : une liste organisée de modèles linguistiques multimodaux de grande taille dans le monde 3D Ressources

ActiveVisionLab
⭐ 2,284 👤 ActiveVisionLab Organization 🕐 Mis à jour 2026-04-16 📅 Créé 2023-12-15
53
Liuziyu77/Visual-RFT

Dépôt officiel de 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’

Liuziyu77
⭐ 2,283 Jupyter Notebook 👤 Liuziyu77 User 🕐 Mis à jour 2025-10-29 📅 Créé 2025-02-24
54
mrgoonie/claudekit-skills

Toutes les puissantes capacités de ClaudeKit.cc !

mrgoonie
⭐ 2,244 Python 👤 mrgoonie User 🕐 Mis à jour 2026-04-03 📅 Créé 2025-10-23
55
microsoft/LLaVA-Med

Assistant Langage-et-Vision à grande échelle pour la biomédecine, construit vers des capacités multimodales de niveau GPT-4.

microsoft
⭐ 2,207 Python 👤 microsoft Organization 🕐 Mis à jour 2025-06-04 📅 Créé 2023-05-20
56
LAION-AI/CLAP

Pré-entraînement contrastif langage-audio

LAION-AI
⭐ 2,167 Python 👤 LAION-AI Organization 🕐 Mis à jour 2025-05-15 📅 Créé 2022-03-06
57
km1994/LLMsNineStoryDemonTower

【LLMs Tour du Démon à Neuf Couches】Partage d'expériences pratiques et de connaissances sur les LLMs dans des domaines tels que le traitement du langage naturel (ChatGLM, Chinese-LLaMA-Alpaca, Xiaoyangtuo Vicuna, LLaMA, GPT4ALL, etc.), la récupération d'informations (langchain), la synthèse vocale, la reconnaissance vocale, le multimodal (Stable Diffusion, MiniGPT-4, VisualGLM-6B, Ziya-Visual, etc.).

km1994
⭐ 2,140 👤 km1994 User 🕐 Mis à jour 2024-03-30 📅 Créé 2023-05-01
58
shcherbak-ai/contextgem

Extrayez des données structurées et des insights de documents à l’aide de grands modèles de langage et de modèles de décision

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-10-11
59
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5 : Rendre les VLM OCR légers plus rapides et meilleurs

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Mis à jour 2026-09-24 📅 Créé 2025-11-18
60
QwenLM/Qwen2-Audio

Le dépôt officiel du chat Qwen2-Audio et du grand modèle linguistique audio pré-entraîné proposé par Alibaba Cloud.

QwenLM
⭐ 2,072 Python 👤 QwenLM Organization 🕐 Mis à jour 2025-04-21 📅 Créé 2024-06-24
61
merveenoyan/smol-vision

Recettes pour réduire, optimiser et personnaliser des modèles de vision de pointe. 💜

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

Le plan d'IA NVIDIA pour la recherche et le résumé vidéo (VSS) est une architecture de référence accélérée par GPU pour construire des agents d'analyse vidéo avec des alertes vérifiées en temps réel, des questions-réponses visuelles et des rapports automatisés. Le plan VSS utilise des modèles de langage visuel (VLM) tels que NVIDIA Cosmos, des LLM tels que NVIDIA Nemotron, RAG et NVIDIA NIM.

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

Recherche sémantique. Recherchez des photos et vidéos locales grâce au langage naturel. Recherche sémantique par IA de matériel local. Recherche par image, trouver des matériaux locaux, faire correspondre des scènes par des descriptions textuelles, recherche d'images vidéo, recherche de vidéos par descriptions de scènes.

chn-lee-yumi
⭐ 1,998 HTML 👤 chn-lee-yumi User 🕐 Mis à jour 2026-09-21 📅 Créé 2023-03-16
65
kimjammer/Neuro

Une recréation de Neuro-Sama créée à l'origine en 7 jours.

kimjammer
⭐ 1,960 Python 👤 kimjammer User 🕐 Mis à jour 2025-01-17 📅 Créé 2024-01-07
66
microsoft/Magma

[CVPR 2025] Magma : Un modèle fondamental pour les agents d'IA multimodaux

microsoft
⭐ 1,948 Python 👤 microsoft Organization 🕐 Mis à jour 2026-03-03 📅 Créé 2024-11-22
67
gpt-omni/mini-omni2

Vers GPT-4o open-source avec des capacités Vision, Speech et Duplex.

gpt-omni
⭐ 1,896 Python 👤 gpt-omni Organization 🕐 Mis à jour 2025-01-16 📅 Créé 2024-10-14
68
ivanfioravanti/chatbot-ollama

Chatbot Ollama est une interface de chat open source pour Ollama.

ivanfioravanti
⭐ 1,892 TypeScript 👤 ivanfioravanti User 🕐 Mis à jour 2025-09-05 📅 Créé 2023-10-01
69
RanFeng/clipsketch-ai

Transformez les moments vidéo en histoires dessinées à la main

RanFeng
⭐ 1,883 TypeScript 👤 RanFeng User 🕐 Mis à jour 2026-01-14 📅 Créé 2025-11-27
70
AutoArk/EVA-OS

EVA OS — Un système d'exploitation IA (AIOS) multimodal en temps réel pour le matériel de nouvelle génération, permettant à vos appareils d'être « vivants » et aussi intelligents qu'un véritable cerveau.

AutoArk
⭐ 1,875 👤 AutoArk Organization 🕐 Mis à jour 2026-08-03 📅 Créé 2025-11-26
71
Audio-AGI/AudioSep

Implémentation officielle de « Séparez tout ce que vous décrivez »

Audio-AGI
⭐ 1,857 Python 👤 Audio-AGI Organization 🕐 Mis à jour 2024-11-26 📅 Créé 2023-08-08
72
facebookresearch/MetaCLIP

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

facebookresearch
⭐ 1,856 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-08-11 📅 Créé 2023-09-28
73
Core-Mate/OpenGUI

OpenGUI est un framework d'agent GUI Android pour l'IA sur téléphone, capable de voir, de planifier et d'utiliser de véritables applications mobiles via l'interface graphique.

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

4M : Modélisation masquée massivement multimodale

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

Inférence Microsoft Florence2 VLM

kijai
⭐ 1,764 Python 👤 kijai User 🕐 Mis à jour 2026-05-06 📅 Créé 2024-06-19
77
facebookresearch/multimodal

TorchMultimodal est une bibliothèque PyTorch pour l'entraînement de modèles multimodaux multi-tâches à la pointe de la technologie à grande échelle.

facebookresearch
⭐ 1,747 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2022-01-27
79
JiuhaiChen/BLIP3o

Implémentation officielle de la série BLIP3o

JiuhaiChen
⭐ 1,667 Python 👤 JiuhaiChen User 🕐 Mis à jour 2025-11-29 📅 Créé 2025-04-23
80
waybarrios/vllm-mlx

Serveur d'inférence LLM haute performance compatible OpenAI et Anthropic pour Apple Silicon. MLX natif, traitement par lots continu, modèles multimodaux, appels d'outils MCP et prise en charge de Claude Code.

waybarrios
⭐ 1,657 Python 👤 waybarrios User 🕐 Mis à jour 2026-11-07 📅 Créé 2025-12-06
82
baaivision/Emu3.5

Les modèles multimodaux natifs sont des apprenants du monde

baaivision
⭐ 1,567 Python 👤 baaivision Organization 🕐 Mis à jour 2025-12-30 📅 Créé 2025-10-29
83
microsoft/SoM

[arXiv 2023] Set-of-Mark Prompting pour GPT-4V et LMM

microsoft
⭐ 1,499 Python 👤 microsoft Organization 🕐 Mis à jour 2024-08-19 📅 Créé 2023-10-16
84
Nutlope/napkins

napkins.dev – de la capture d'écran à l'application

Nutlope
⭐ 1,484 TypeScript 👤 Nutlope User 🕐 Mis à jour 2026-10-23 📅 Créé 2024-09-18
86
zstar1003/ragflow-plus

Ragflow-Plus est une version de développement secondaire de Ragflow, la rendant plus concise et pratique

zstar1003
⭐ 1,471 Python 👤 zstar1003 User 🕐 Mis à jour 2026-11-18 📅 Créé 2025-03-24
87
0nutation/SpeechGPT

Série SpeechGPT : Grands modèles linguistiques vocaux

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

Collectez quelques papiers sur les transformeurs pour la détection et la segmentation. Awesome Detection Transformer pour la vision par ordinateur (CV)

IDEA-Research
⭐ 1,392 👤 IDEA-Research Organization 🕐 Mis à jour 2024-07-04 📅 Créé 2022-03-09
89
gokayfem/awesome-vlm-architectures

Catalogue visuel soigneusement sélectionné de plus de 200 architectures de modèles de vision et de langage (VLM/MLLM) : articles, schémas, recettes d’entraînement, jeux de données et calendrier de publication des agents d’IA multimodaux.

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

Tutoriel pour les bots du serveur Poe

poe-platform
⭐ 1,347 Python 👤 poe-platform Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2023-05-10
91
gavrielc/Nano-PDF

Modifier les fichiers PDF avec Nano Banana

gavrielc
⭐ 1,331 Python 👤 gavrielc User 🕐 Mis à jour 2025-12-03 📅 Créé 2025-11-28
92
ConardLi/easy-llm-cli

Un agent IA open-source compatible avec plusieurs modèles LLM

ConardLi
⭐ 1,319 TypeScript 👤 ConardLi User 🕐 Mis à jour 2026-02-05 📅 Créé 2025-07-11
93
Meituan-AutoML/MobileVLM

Assistant Langage Vision Fort et Ouvert pour Appareils Mobiles

Meituan-AutoML
⭐ 1,317 Python 👤 Meituan-AutoML Organization 🕐 Mis à jour 2024-04-15 📅 Créé 2023-12-29
94
hemingkx/SpeculativeDecodingPapers

📰 Articles et blogs incontournables sur le décodage spéculatif ⚡️

hemingkx
⭐ 1,309 👤 hemingkx User 🕐 Mis à jour 2026-06-27 📅 Créé 2023-09-20
95
JMAN730/opendroid

Votre agent Android autonome ouvert — un assistant IA prêt pour la production, auto-planifiant, alimenté par des LLM locaux/distance et une automatisation d'écran axée sur l'accessibilité.

JMAN730
⭐ 1,300 Kotlin 👤 JMAN730 User 🕐 Mis à jour 2026-11-10 📅 Créé 2026-05-21
96
opendatalab/LabelLLM

La plateforme open-source d'annotation de données

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

[ICML'26 & COLM'26] Série Agent0 : Agents auto-évolutifs à partir de zéro donnée

aiming-lab
⭐ 1,292 Python 👤 aiming-lab Organization 🕐 Mis à jour 2026-07-10 📅 Créé 2025-10-20
99
OpenTSLM/OpenTSLM

OpenTSLM : Modèles de langage de séries temporelles pour le raisonnement sur des données multivariées de texte médical et de séries temporelles

OpenTSLM
⭐ 1,273 Python 👤 OpenTSLM Organization 🕐 Mis à jour 2026-07-21 📅 Créé 2025-05-14
100
VILA-Lab/Awesome-DLMs

Le dépôt GitHub officiel pour l'article de synthèse « A Survey on Diffusion Language Models ».

VILA-Lab
⭐ 1,252 👤 VILA-Lab Organization 🕐 Mis à jour 2026-10-02 📅 Créé 2025-07-14