Git Stars Git Stars

#multimodal-llm Dépôts

Découvrez 27 dépôts GitHub open source actifs associés à #multimodal-llm, cumulant 63,138 étoiles au total (soit une moyenne de 2,338 étoiles par projet). Le projet en tête de ce thème est anthropics/courses, avec 22,833 étoiles.

27
Total des Dépôts
63,138
Nombre total d'étoiles
2,338
Moyenne d'Étoiles/Dépôt
1
anthropics/courses

Cours éducatifs d'Anthropic

anthropics
⭐ 22,833 Jupyter Notebook 👤 anthropics Organization 🕐 Mis à jour 2026-08-28 📅 Créé 2024-05-30
2
MoonshotAI/Kimi-Audio

Kimi-Audio, un modèle fondamental audio open-source excellent dans la compréhension, la génération et la conversation audio

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 Mis à jour 2025-06-21 📅 Créé 2025-04-25
4
gpt-omni/mini-omni

Modèle de langage multimodal open-source de grande taille capable d'entendre, de parler tout en réfléchissant. Doté de capacités conversationnelles avec entrée vocale de bout en bout en temps réel et sortie audio en continu.

gpt-omni
⭐ 3,504 Python 👤 gpt-omni Organization 🕐 Mis à jour 2024-11-05 📅 Créé 2024-08-27
5
Everlyn-Labs/Everlyn-1

Le premier modèle vidéo IA fondamental autorégressif ouvert.

Everlyn-Labs
⭐ 2,891 👤 Everlyn-Labs Organization 🕐 Mis à jour 2026-10-07 📅 Créé 2024-10-13
6
chatdoc-com/OCRFlux

OCRFlux est une boîte à outils multimodale légère mais puissante qui fait progresser considérablement la conversion PDF vers Markdown, excellant dans la gestion des mises en page complexes, l'analyse des tableaux compliqués et la fusion de contenu inter-pages.

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

Intelligence Agentique Visuelle Ouverte

MoonshotAI
⭐ 2,321 👤 MoonshotAI Organization 🕐 Mis à jour 2026-08-06 📅 Créé 2026-01-30
8
FireRedTeam/FireRedASR

Modèles ASR open-source de qualité industrielle prenant en charge le mandarin, les dialectes chinois et l'anglais, atteignant un nouveau SOTA sur les benchmarks publics ASR en mandarin, tout en offrant une capacité exceptionnelle de reconnaissance des paroles chantées.

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 Mis à jour 2026-02-25 📅 Créé 2025-01-24
9
Tencent/WeMM-Embedding

WeMM-Embedding est une famille de modèles d'intégration multimodaux universels développés par l'équipe WeChat Vision de Tencent, prenant en charge la compréhension et la recherche multimodales.

Tencent
⭐ 1,824 Python 👤 Tencent Organization 🕐 Mis à jour 2026-10-29 📅 Créé 2026-08-25
10
OpenBMB/AgentCPM-GUI

AgentCPM-GUI : Un agent GUI sur appareil pour l'exploitation des applications Android, améliorant la capacité de raisonnement grâce à un réglage fin par renforcement pour une exécution efficace des tâches.

OpenBMB
⭐ 1,431 Python 👤 OpenBMB Organization 🕐 Mis à jour 2026-01-11 📅 Créé 2025-05-13
11
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
12
DLYuanGod/TinyGPT-V

TinyGPT-V : Modèle linguistique multimodal efficace via de petits backbones

DLYuanGod
⭐ 1,313 Python 👤 DLYuanGod User 🕐 Mis à jour 2026-02-05 📅 Créé 2023-12-28
13
DAMO-NLP-SG/VideoLLaMA2

VideoLLaMA 2 : Avancées dans la modélisation spatio-temporelle et la compréhension audio dans les Video-LLM

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

Uni-MoE : La famille de modèles multimodaux volumineux de Lychee.

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

Un modèle généraliste transparent pour une compréhension holistique vision-langage médicale

ZJUI-AI4H
⭐ 1,031 Python 👤 ZJUI-AI4H User 🕐 Mis à jour 2026-08-30 📅 Créé 2025-10-08
16
tulerfeng/Video-R1

Video-R1: Renforcer le Raisonnement Vidéo dans les MLLM [🔥le premier article à explorer R1 pour la vidéo]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 Mis à jour 2025-12-14 📅 Créé 2025-02-22
17
UCSB-AI/MiniGPT-5

Implémentation officielle du papier "MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens"

UCSB-AI
⭐ 865 Python 👤 UCSB-AI Organization 🕐 Mis à jour 2025-05-08 📅 Créé 2023-10-02
18
ngafar/llama-scan

Transcrire des PDF avec des LLM locaux

ngafar
⭐ 807 Python 👤 ngafar User 🕐 Mis à jour 2026-10-22 📅 Créé 2025-06-11
19
FireRedTeam/FireRedASR2S

Un système ASR tout-en-un industriel de pointe avec des modules ASR, VAD, LID et Punc. FireRedASR2 prend en charge le chinois (mandarin, 20+ dialectes/accents), l'anglais, l'alternance codique, et l'ASR pour la parole et le chant. FireRedVAD prend en charge la parole/le chant/la musique dans 100+ langues. FireRedLID prend en charge 100+ langues et 20+ dialectes chinois. FireRedPunc prend en charge le chinois et l'anglais.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Mis à jour 2026-06-02 📅 Créé 2026-02-12
21
showlab/videollm-online

VideoLLM-online : Modèle linguistique étendu en ligne pour la vidéo en streaming (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Mis à jour 2025-11-26 📅 Créé 2024-06-17
22
penghao-wu/vstar

Implémentation PyTorch de « V* : Guided Visual Search as a Core Mechanism in Multimodal LLMs »

penghao-wu
⭐ 684 Python 👤 penghao-wu User 🕐 Mis à jour 2024-01-07 📅 Créé 2023-12-15
23
Zeyi-Lin/LLM-Finetune

Ajustement fin des grands modèles linguistiques, Qwen2VL, Qwen2, ajustement fin des instructions GLM4

Zeyi-Lin
⭐ 644 Jupyter Notebook 👤 Zeyi-Lin User 🕐 Mis à jour 2025-05-26 📅 Créé 2024-06-10
24
ShaohonChen/Qwen3-SmVL

Nous avons effectué un ajustement fin (fine-tuning) par concaténation de la tête visuelle de SmolVLM2 avec le modèle Qwen3-0.6B.

ShaohonChen
⭐ 608 Python 👤 ShaohonChen User 🕐 Mis à jour 2025-09-08 📅 Créé 2025-07-12
25
jy0205/LaVIT

LaVIT : Permettre au grand modèle linguistique de comprendre et de générer du contenu visuel

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 Mis à jour 2024-10-06 📅 Créé 2023-09-09
26
omarcusdev/zap-gpt-free

Ce projet explore l'intégration de ChatGPT avec WhatsApp, transformant le chatbot en un assistant virtuel capable d'accomplir des tâches telles que parler avec des amis, répondre aux questions des clients, et bien plus encore, avec une touche d'humanisation dans les conversations.

omarcusdev
⭐ 597 TypeScript 👤 omarcusdev User 🕐 Mis à jour 2024-12-07 📅 Créé 2024-01-09
27
OpenGVLab/VideoChat-Flash

[ICLR2026] VideoChat-Flash: Compression hiérarchique pour la modélisation vidéo à long terme du contexte

OpenGVLab
⭐ 532 Python 👤 OpenGVLab Organization 🕐 Mis à jour 2026-07-19 📅 Créé 2024-03-24

Foire aux questions

1

Quel est le dépôt #multimodal-llm le plus populaire sur GitHub ?

Le projet #multimodal-llm open source le mieux classé sur GitHub est anthropics/courses, avec 22,833 étoiles. Cours éducatifs d'Anthropic

2

Quels langages de programmation sont les plus utilisés dans les dépôts #multimodal-llm ?

Parmi les projets #multimodal-llm les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Markdown, TypeScript.

3

Comment le classement des dépôts #multimodal-llm est-il calculé ?

Nous suivons 27 dépôts open source actifs associés à #multimodal-llm (500+ étoiles), totalisant 63,138 étoiles, avec une moyenne de 2,338 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.