Git Stars Git Stars

#multimodal Dépôts

183
Total des Dépôts
700,629
Nombre total d'étoiles
3,828
Moyenne d'Étoiles/Dépôt
51
docarray/docarray

Représenter, envoyer, stocker et rechercher des données multimodales

docarray
⭐ 3,123 Python 👤 docarray Organization 🕐 Mis à jour 2026-03-27 📅 Créé 2021-12-14
52
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive : Un système multimodal complet pour les interactions audio et vidéo en streaming à long terme

InternLM
⭐ 2,925 Python 👤 InternLM Organization 🕐 Mis à jour 2025-05-26 📅 Créé 2023-09-26
53
datachain-ai/datachain

La couche de contexte pour les données non structurées : jeux de données typés et versionnés sur S3, GCS, Azure

datachain-ai
⭐ 2,831 Python 👤 datachain-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-06-25
54
autodistill/autodistill

Images pour l'inférence sans étiquetage (utilisez des modèles fondamentaux pour entraîner des modèles supervisés).

autodistill
⭐ 2,802 Python 👤 autodistill Organization 🕐 Mis à jour 2026-09-29 📅 Créé 2023-06-06
55
rom1504/clip-retrieval

Calculez facilement les plongements de clips et créez un système de récupération de clips avec eux

rom1504
⭐ 2,799 Jupyter Notebook 👤 rom1504 User 🕐 Mis à jour 2026-03-28 📅 Créé 2021-06-07
56
roboflow/maestro

Rationaliser le processus de réglage fin pour les modèles multimodaux : PaliGemma 2, Florence-2 et Qwen2.5-VL

roboflow
⭐ 2,696 Python 👤 roboflow Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2023-11-24
57
genieincodebottle/generative-ai

Ressources complètes sur l'IA générative, y compris une feuille de route détaillée, des projets, des cas d'utilisation, la préparation aux entretiens et la préparation au codage.

genieincodebottle
⭐ 2,675 Jupyter Notebook 👤 genieincodebottle User 🕐 Mis à jour 2026-11-09 📅 Créé 2024-01-09
58
om-ai-lab/OmAgent

[EMNLP-2024] Construire des agents de langage multimodaux pour un prototypage et une production rapides

om-ai-lab
⭐ 2,670 Python 👤 om-ai-lab Organization 🕐 Mis à jour 2026-10-16 📅 Créé 2024-07-04
59
OFA-Sys/OFA

Dépôt officiel d'OFA (ICML 2022). Paper : OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework

OFA-Sys
⭐ 2,550 Python 👤 OFA-Sys Organization 🕐 Mis à jour 2024-04-24 📅 Créé 2022-01-29
60
X-PLUG/mPLUG-Owl

mPLUG-Owl : La puissante famille de grands modèles linguistiques multimodaux

X-PLUG
⭐ 2,541 Python 👤 X-PLUG Organization 🕐 Mis à jour 2025-04-02 📅 Créé 2023-04-25
61
InternLM/HuixiangDou

HuixiangDou : Surmonter les scénarios de discussion de groupe avec une assistance technique basée sur les LLM

InternLM
⭐ 2,500 Python 👤 InternLM Organization 🕐 Mis à jour 2025-11-24 📅 Créé 2023-12-28
62
AI-Efficiency/Awesome-Model-Quantization

Une collection organisée d’articles, de benchmarks, de travaux de synthèse et d’outils sur la quantification des modèles, couvrant les réseaux à faible nombre de bits, les LLM, les modèles multimodaux et génératifs, la quantification vectorielle et par réseau, ainsi que le déploiement efficace.

AI-Efficiency
⭐ 2,471 👤 AI-Efficiency Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2018-10-18
63
Yutong-Zhou-cv/Awesome-Text-to-Image

(ෆ`꒳´ෆ) Une étude sur la génération/synthèse de texte en image.

Yutong-Zhou-cv
⭐ 2,444 👤 Yutong-Zhou-cv User 🕐 Mis à jour 2026-11-03 📅 Créé 2020-10-13
64
Stability-AI/stability-sdk

SDK pour interagir avec les API d'stability.ai (par exemple, l'inférence Stable Diffusion)

Stability-AI
⭐ 2,436 Jupyter Notebook 👤 Stability-AI Organization 🕐 Mis à jour 2026-05-14 📅 Créé 2022-08-22
65
Turbo1123/roubao

Roubao 2.0 pour iPhone : un agent IA open source pour iOS avec contrôle de l’interface Micro-X autorisé par le propriétaire, modèles personnalisés, tâches reprenables et rapports PDF. Aucun Wi-Fi, jailbreak, ordinateur ou matériel supplémentaire n’est nécessaire à l’exécution (un Mac et une connexion USB sont requis pour la configuration). L’ancienne version Android est conservée.

Turbo1123
⭐ 2,422 Swift 👤 Turbo1123 User 🕐 Mis à jour 2026-11-09 📅 Créé 2025-12-09
66
OpenGVLab/InternVideo

[ECCV2024] Modèles Fondamentaux Vidéo & Données pour la Compréhension Multimodale

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 Mis à jour 2026-07-02 📅 Créé 2022-11-23
67
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer : Générez des données synthétiques de haute qualité à partir de zéro ou à partir de données semences.

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-10-16
68
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl : Modèle linguistique multimodal modulaire pour la compréhension de documents

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 Mis à jour 2025-05-30 📅 Créé 2023-07-04
69
HUANGCHIHHUNGLeo/claude-real-video

Laissez Claude (ou tout LLM) regarder une vidéo — images dédupliquées et conscientes des scènes + transcription, à partir d'une URL ou d'un fichier local. Fonctionne localement, MIT.

HUANGCHIHHUNGLeo
⭐ 2,329 Python 👤 HUANGCHIHHUNGLeo User 🕐 Mis à jour 2026-11-20 📅 Créé 2026-06-30
70
google-gemini/genai-processors

GenAI Processors est une bibliothèque Python légère qui permet un traitement de contenu efficace et parallèle.

google-gemini
⭐ 2,125 Python 👤 google-gemini Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2025-04-29
71
fikrikarim/parlor

IA multimodale en temps réel sur appareil avec des fonctionnalités similaires à GPT-Live

fikrikarim
⭐ 2,117 Python 👤 fikrikarim User 🕐 Mis à jour 2026-08-03 📅 Créé 2026-04-05
72
showlab/Show-o

[ICLR & NeurIPS 2025] Dépôt pour la série Show-o, un seul Transformer pour unifier la compréhension et la génération multimodales.

showlab
⭐ 1,988 Python 👤 showlab Organization 🕐 Mis à jour 2026-01-08 📅 Créé 2024-08-09
73
2U1/Qwen-VL-Series-Finetune

Une implémentation open-source pour le réglage fin de la série Qwen-VL d'Alibaba Cloud.

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 Mis à jour 2026-09-09 📅 Créé 2024-09-10
74
kyegomez/BitNet

Implémentation de "BitNet : Mise à l'échelle des transformeurs 1 bits pour les grands modèles de langage" en PyTorch

kyegomez
⭐ 1,949 Python 👤 kyegomez User 🕐 Mis à jour 2026-11-16 📅 Créé 2023-10-18
75
sgl-project/sglang-omni

Environnement d’exécution hautes performances pour le service de systèmes de superintelligence interactifs

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-01-07
76
AlibabaResearch/AdvancedLiterateMachinery

Une collection d'idées et d'algorithmes originaux et innovants pour des machines littéraires avancées. Ce projet est maintenu par l'équipe OCR du Language Technology Lab, Tongyi Lab, Alibaba Group.

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 Mis à jour 2026-03-17 📅 Créé 2022-09-28
77
potamides/DeTikZify

Synthèse de programmes graphiques pour figures scientifiques et croquis avec TikZ.

potamides
⭐ 1,831 Python 👤 potamides User 🕐 Mis à jour 2026-09-17 📅 Créé 2023-11-27
78
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
79
alan-ai/alan-sdk-android

Le Système d'Auto-Codage pour Votre App — Alan AI SDK pour Android

alan-ai
⭐ 1,815 👤 alan-ai Organization 🕐 Mis à jour 2025-04-22 📅 Créé 2019-10-01
⭐ 1,795 Python 👤 microsoft Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2026-06-15
81
alan-ai/alan-sdk-flutter

Le système d'auto-codage pour votre application — Alan AI SDK pour Flutter

alan-ai
⭐ 1,768 Ruby 👤 alan-ai Organization 🕐 Mis à jour 2025-04-22 📅 Créé 2020-04-22
82
pixeltable/pixeltable

Les agents backend sont construits avec : une base de données multimodale, une orchestration et un service dans un seul fichier

pixeltable
⭐ 1,664 Python 👤 pixeltable Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-05-10
83
alan-ai/alan-sdk-ionic

Le système de codage automatique pour votre application — Alan AI SDK pour Ionic

alan-ai
⭐ 1,661 TypeScript 👤 alan-ai Organization 🕐 Mis à jour 2025-04-22 📅 Créé 2020-04-24
84
UbiquitousLearning/mllm

LLM multimodaux rapides sur appareils mobiles

UbiquitousLearning
⭐ 1,643 C++ 👤 UbiquitousLearning User 🕐 Mis à jour 2026-09-30 📅 Créé 2023-08-30
85
verl-project/verl-omni

Cadre d'entraînement RL multimodal pour modèles de diffusion et omni

verl-project
⭐ 1,560 Python 👤 verl-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-04-21
86
ATH-MaaS/Ovis

Une nouvelle architecture de modèle linguistique multimodal (MLLM) de grande taille, conçue pour aligner structurellement les représentations visuelles et textuelles.

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 Mis à jour 2026-07-15 📅 Créé 2024-06-13
87
valentinfrlch/ha-llmvision

Intelligence visuelle pour votre maison.

valentinfrlch
⭐ 1,535 Python 👤 valentinfrlch User 🕐 Mis à jour 2026-11-12 📅 Créé 2024-05-14
88
emcf/thepipe

Obtenez des données propres à partir de documents complexes, alimentés par des modèles de vision-langage ⚡

emcf
⭐ 1,529 Python 👤 emcf User 🕐 Mis à jour 2026-09-28 📅 Créé 2024-03-22
89
jordanrendric/claude-video-vision

Donnez à Claude la capacité de regarder et de comprendre les vidéos — plugin Claude Code avec extraction d’images et analyse audio multimodale

jordanrendric
⭐ 1,523 TypeScript 👤 jordanrendric User 🕐 Mis à jour 2026-10-14 📅 Créé 2026-03-31
90
llm-jp/awesome-japanese-llm

Résumé des LLM japonais - Aperçu des LLM japonais

llm-jp
⭐ 1,446 TypeScript 👤 llm-jp Organization 🕐 Mis à jour 2026-11-09 📅 Créé 2023-07-09
91
xtreme1-io/xtreme1

Xtreme1 est une plateforme tout-en-un d'étiquetage et d'annotation de données pour la formation de données multimodales et prend en charge les nuages de points 3D LiDAR, les images et les LLM.

xtreme1-io
⭐ 1,395 TypeScript 👤 xtreme1-io Organization 🕐 Mis à jour 2026-09-29 📅 Créé 2022-08-08
92
dailenson/SDT

Ce dépôt est l'implémentation officielle de Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)

dailenson
⭐ 1,393 Python 👤 dailenson User 🕐 Mis à jour 2025-06-26 📅 Créé 2023-03-22
93
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
94
Capsize-Games/airunner

Moteur d'inférence hors ligne pour l'art, les conversations vocales en temps réel, les chatbots alimentés par LLM et les flux de travail automatisés

Capsize-Games
⭐ 1,317 Python 👤 Capsize-Games Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2023-03-21
95
ysr666/dsh-vision-router

La vision pour les agents DeepSeek Harness limités au texte : chaîne de vision gratuite intégrée (sans clé) + outils de vision au niveau du pixel (questions-réponses, ancrage, recadrage, différence de pixels, couleurs, OCR, traçage SVG, détourage, captures d’écran). Installation en une seule commande, sans Python ; les tours avec images fonctionnent comme des tours ordinaires d’appel d’outils.

ysr666
⭐ 1,294 JavaScript 👤 ysr666 User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-08-13
96
Anionex/agent-vision-toolkit

Concevez une meilleure boîte à outils et des compétences visuelles pour que les modèles de texte uniquement « voient » des images, prenant en charge la compréhension multi-images, les questions-réponses sur images, la restauration d'interface front-end, l'automatisation de l'interface graphique, etc., avec une intégration transparente facultative avec plusieurs agents principaux, et la reconnaissance directe des images collées | Une boîte à outils et des compétences visuelles conçues pour les LLM de texte uniquement : questions-réponses sur images, OCR de captures d'écran longues, restauration d'interface front-end et automatisation de l'interface graphique, avec intégration transparente facultative pour Codex, Claude Code, Pi, Oh My Pi et OpenCode

Anionex
⭐ 1,267 Python 👤 Anionex User 🕐 Mis à jour 2026-10-13 📅 Créé 2026-08-01
97
unum-cloud/UForm

Entraînement et inférence distribués pour la perception multimodale : représentations vectorielles partagées pour le texte, les images, la vidéo, l’audio, le code et les graphes, de 64 à 1 024 dimensions 🖼️

unum-cloud
⭐ 1,253 Cuda 👤 unum-cloud Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2023-02-21
98
Zen4-bit/Proxima

Serveur MCP Multi-IA - Connectez ChatGPT, Claude, Gemini et Perplexity à vos outils de codage sans aucune API

Zen4-bit
⭐ 1,220 JavaScript 👤 Zen4-bit User 🕐 Mis à jour 2026-11-20 📅 Créé 2026-02-02
99
nv-tlabs/LLaMA-Mesh

Unification de la génération de maillages 3D avec des modèles linguistiques

nv-tlabs
⭐ 1,153 Python 👤 nv-tlabs Organization 🕐 Mis à jour 2025-03-28 📅 Créé 2024-11-14
100
OpenMOSS/MOVA

Un modèle de fondation qui génère des vidéos et de l’audio synchronisés au sein d’un seul modèle

OpenMOSS
⭐ 1,151 Python 👤 OpenMOSS Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-01-28