Git Stars Git Stars

#multimodal-ai Repository

Scopri 191 repository GitHub open source attivi contrassegnati con #multimodal-ai, che raccolgono un totale di 589,873 stelle (con una media di 3,088 stelle per progetto). Il progetto leader di questo argomento è anthropics/claude-cookbooks, con 54,935 stelle.

191
Totale Repository
589,873
Totale stelle
3,088
Media Stelle/Repo

191 repository in totale

1
anthropics/claude-cookbooks

Una raccolta di quaderni/ricette che mostrano alcuni modi divertenti ed efficaci di usare Claude.

anthropics
⭐ 54,935 Jupyter Notebook 👤 anthropics Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2023-08-15
2
oobabooga/textgen

Applicazione desktop open-source per LLM locali. Testo, visione, chiamata di strumenti, API compatibile con OpenAI/Anthropic. 100% privata.

oobabooga
⭐ 47,736 Python 👤 oobabooga User 🕐 Aggiornato 2026-08-17 📅 Creato 2022-12-21
4
google-ai-edge/gallery

Una galleria che presenta casi d'uso ML/GenAI su dispositivo e consente alle persone di provare e utilizzare modelli localmente.

google-ai-edge
⭐ 25,398 Kotlin 👤 google-ai-edge Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2025-03-31
5
deepseek-ai/DeepSeek-OCR

Contesti di compressione ottica

deepseek-ai
⭐ 24,180 Python 👤 deepseek-ai Organization 🕐 Aggiornato 2026-01-27 📅 Creato 2025-10-17
6
QwenLM/Qwen3-VL

Qwen3-VL è la serie di modelli linguistici di grandi dimensioni multimodali sviluppata dal team Qwen di Alibaba Cloud.

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 Aggiornato 2026-01-30 📅 Creato 2024-08-29
7
duixcom/Duix-Avatar

🚀 Toolkit di avatar AI (esseri umani digitali) veramente open-source per la generazione di video offline e il clonaggio di esseri umani digitali.

duixcom
⭐ 16,411 C 👤 duixcom Organization 🕐 Aggiornato 2026-04-21 📅 Creato 2024-12-24
8
facebookresearch/seamless_communication

Modelli Fondamentali per la Traduzione Vocale e Testuale all'Avanguardia

facebookresearch
⭐ 11,908 Jupyter Notebook 👤 facebookresearch Organization 🕐 Aggiornato 2026-09-08 📅 Creato 2023-08-01
9
m87-labs/moondream

piccolo modello linguistico per la visione

m87-labs
⭐ 10,167 Python 👤 m87-labs Organization 🕐 Aggiornato 2026-04-20 📅 Creato 2023-12-29
10
opendatalab/PDF-Extract-Kit

Un toolkit completo per l'estrazione di contenuti PDF di alta qualità

opendatalab
⭐ 9,682 Python 👤 opendatalab Organization 🕐 Aggiornato 2025-01-03 📅 Creato 2024-06-27
11
facebookresearch/ImageBind

ImageBind Uno spazio di embedding per unirli tutti

facebookresearch
⭐ 9,084 Python 👤 facebookresearch Organization 🕐 Aggiornato 2025-11-21 📅 Creato 2023-03-23
12
QwenLM/Qwen-Image

Qwen-Image è un potente modello di base per la generazione di immagini in grado di eseguire rendering di testo complessi e modifiche precise delle immagini.

QwenLM
⭐ 8,489 Python 👤 QwenLM Organization 🕐 Aggiornato 2026-02-10 📅 Creato 2025-08-03
13
NVIDIA/Isaac-GR00T

NVIDIA Isaac GR00T N1.7 - Un Modello Fondamentale per Robot Generalisti.

NVIDIA
⭐ 8,402 Python 👤 NVIDIA Organization 🕐 Aggiornato 2026-11-17 📅 Creato 2025-03-11
14
boson-ai/higgs-audio

Modello di base testo-audio di Boson AI

boson-ai
⭐ 8,390 Python 👤 boson-ai Organization 🕐 Aggiornato 2026-06-05 📅 Creato 2025-07-20
15
LargeWorldModel/LWM

Large World Model -- Modellazione di testo e video con milioni di contesti

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 Aggiornato 2024-10-19 📅 Creato 2024-02-08
16
tencent-ailab/IP-Adapter

L'adattatore per prompt di immagini è progettato per consentire a un modello di diffusione da testo a immagine preaddestrato di generare immagini con un prompt di immagini.

tencent-ailab
⭐ 6,386 Jupyter Notebook 👤 tencent-ailab User 🕐 Aggiornato 2024-06-28 📅 Creato 2023-08-16
17
AILab-CVC/YOLO-World

[CVPR 2024] Rilevamento di oggetti in tempo reale a vocabolario aperto

AILab-CVC
⭐ 6,385 Python 👤 AILab-CVC Organization 🕐 Aggiornato 2025-02-26 📅 Creato 2024-01-29
18
Jackywine/Bella

Bella è la migliore

Jackywine
⭐ 6,325 JavaScript 👤 Jackywine User 🕐 Aggiornato 2026-02-05 📅 Creato 2025-07-16
19
ByteDance-Seed/Bagel

Modello multimodale unificato open-source

ByteDance-Seed
⭐ 6,223 Python 👤 ByteDance-Seed Organization 🕐 Aggiornato 2026-05-04 📅 Creato 2025-04-17
20
ngxson/smolvlm-realtime-webcam

Demo webcam in tempo reale con SmolVLM e server llama.cpp

ngxson
⭐ 5,555 HTML 👤 ngxson User 🕐 Aggiornato 2025-05-12 📅 Creato 2025-05-12
21
AgnesAI-Labs/AgnesAI-Models

Gateway e catalogo modelli ufficiale di Agnes AI per flussi di lavoro di testo, immagini, video e agenti compatibili con OpenAI.

AgnesAI-Labs
⭐ 5,299 👤 AgnesAI-Labs Organization 🕐 Aggiornato 2026-08-18 📅 Creato 2026-04-30
22
deepseek-ai/DeepSeek-VL2

DeepSeek-VL2: Modelli Vision-Language Mixture-of-Experts per una Comprensione Multimodale Avanzata

deepseek-ai
⭐ 5,297 Python 👤 deepseek-ai Organization 🕐 Aggiornato 2025-02-26 📅 Creato 2024-12-13
23
cbh123/narrator

David Attenborough narra la tua vita

cbh123
⭐ 4,426 Python 👤 cbh123 User 🕐 Aggiornato 2026-07-23 📅 Creato 2023-11-14
24
Tencent-Hunyuan/HunyuanDiT

Hunyuan-DiT: Un potente Transformer a diffusione multi-risoluzione con comprensione dettagliata del cinese

Tencent-Hunyuan
⭐ 4,292 Jupyter Notebook 👤 Tencent-Hunyuan Organization 🕐 Aggiornato 2026-10-08 📅 Creato 2024-05-10
25
VectorSpaceLab/OmniGen2

OmniGen2: Esplorazione verso la Generazione Multimodale Avanzata. https://arxiv.org/abs/2506.18871

VectorSpaceLab
⭐ 4,121 Jupyter Notebook 👤 VectorSpaceLab Organization 🕐 Aggiornato 2026-03-20 📅 Creato 2025-06-06
26
googleapis/python-genai

L'SDK Python Gen AI di Google fornisce un'interfaccia per gli sviluppatori per integrare i modelli generativi di Google nelle loro applicazioni Python.

googleapis
⭐ 4,084 Python 👤 googleapis Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-12-06
27
QwenLM/Qwen2.5-Omni

Qwen2.5-Omni è un modello multimodale end-to-end del team Qwen di Alibaba Cloud, capace di comprendere testo, audio, immagini, video ed eseguire la generazione vocale in tempo reale.

QwenLM
⭐ 4,021 Jupyter Notebook 👤 QwenLM Organization 🕐 Aggiornato 2025-06-12 📅 Creato 2025-03-22
28
amazon-science/mm-cot

Implementazione ufficiale per "Ragionamento multimodale a catena di pensiero nei modelli linguistici" (resta sintonizzato e verranno aggiornati altri dettagli)

amazon-science
⭐ 3,988 Python 👤 amazon-science Organization 🕐 Aggiornato 2024-06-12 📅 Creato 2023-02-02
29
huggingface/smollm

Tutto sulla famiglia di modelli SmolLM e SmolVLM

huggingface
⭐ 3,960 Python 👤 huggingface Organization 🕐 Aggiornato 2026-10-06 📅 Creato 2024-11-04
30
songguoxs/gpt4o-image-prompts

Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Image Prompts, Nanobanana Prompts, prompt nanobanana

songguoxs
⭐ 3,882 JavaScript 👤 songguoxs User 🕐 Aggiornato 2026-01-08 📅 Creato 2025-04-28
31
FlagAI-Open/FlagAI

FlagAI (Fast LArge-scale General AI models) è un toolkit veloce, facile da usare ed estensibile per modelli su larga scala.

FlagAI-Open
⭐ 3,864 Python 👤 FlagAI-Open Organization 🕐 Aggiornato 2026-07-13 📅 Creato 2022-05-16
32
facebookresearch/sam-audio

Il repository fornisce il codice per eseguire l'inferenza con il Meta Segment Anything Audio Model (SAM-Audio), link per scaricare i checkpoint del modello addestrato e notebook di esempio che mostrano come utilizzare il modello.

facebookresearch
⭐ 3,760 Python 👤 facebookresearch Organization 🕐 Aggiornato 2026-05-26 📅 Creato 2025-09-04
33
ZHO-ZHO-ZHO/ZHO-nano-banana-Creation

La mia raccolta di fantastiche idee creative per nano-banana! Aggiornamento continuo!

ZHO-ZHO-ZHO
⭐ 3,715 👤 ZHO-ZHO-ZHO User 🕐 Aggiornato 2025-09-18 📅 Creato 2025-08-28
34
Kedreamix/Linly-Talker

Sistema di Conversazione con Avatar Digitale - Linly-Talker. 😄✨ Linly-Talker è un sistema AI intelligente che combina modelli linguistici di grandi dimensioni (LLM) con modelli visivi per creare un nuovo metodo di interazione uomo-AI. 🤝🤖 Integra varie tecnologie come Whisper, Linly, Microsoft Speech Services e il sistema di generazione di teste parlanti SadTalker. 🌟🔬

Kedreamix
⭐ 3,483 Python 👤 Kedreamix User 🕐 Aggiornato 2026-02-10 📅 Creato 2023-10-17
35
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Últimi lavori, codici e set di dati su Vid-LLMs.

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 Aggiornato 2026-11-11 📅 Creato 2023-07-16
38
zai-org/GLM-4-Voice

GLM-4-Voice | Modello di dialogo vocale end-to-end cinese-inglese

zai-org
⭐ 3,108 Python 👤 zai-org Organization 🕐 Aggiornato 2024-12-05 📅 Creato 2024-10-24
39
stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) è un framework Python open source creato dal Center for Research on Foundation Models (CRFM) di Stanford per la valutazione olistica, riproducibile e trasparente di modelli di fondazione, inclusi modelli linguistici di grandi dimensioni (LLM) e modelli multimodali.

stanford-crfm
⭐ 2,975 Python 👤 stanford-crfm Organization 🕐 Aggiornato 2026-09-01 📅 Creato 2021-11-29
40
Mininglamp-AI/Mano-P

Mano-P: Agente GUI-VLA open-source per dispositivi edge. #1 su OSWorld (specializzato, 58.2%). Esegue localmente su Apple M4 Mac mini/MacBook — nessun dato lascia il tuo dispositivo. Mano-P è un progetto GUI-VLA open-source che supporta l'esecuzione locale su Mac mini/MacBook o tramite stick di calcolo, realizzando operazioni di automazione GUI cross-platform guidate puramente dalla visione. I dati vengono elaborati completamente in locale, supportando la pianificazione e l'esecuzione di compiti complessi a più passaggi.

Mininglamp-AI
⭐ 2,855 👤 Mininglamp-AI Organization 🕐 Aggiornato 2026-06-25 📅 Creato 2026-03-25
41
Alpha-VLLM/LLaMA2-Accessory

Un toolkit open-source per lo sviluppo di LLM

Alpha-VLLM
⭐ 2,806 Python 👤 Alpha-VLLM Organization 🕐 Aggiornato 2025-01-13 📅 Creato 2023-07-21
42
ishan0102/vimGPT

Naviga sul web con GPT-4V e Vimium

ishan0102
⭐ 2,672 Python 👤 ishan0102 User 🕐 Aggiornato 2024-09-25 📅 Creato 2023-11-07
43
OmniSVG/OmniSVG

[NeurIPS 2025] OmniSVG è la prima famiglia di generatori SVG multimodali end-to-end che sfruttano modelli Vision-Language (VLM) pre-addestrati, in grado di generare SVG complessi e dettagliati, da semplici icone ad intricati personaggi anime.

OmniSVG
⭐ 2,666 Python 👤 OmniSVG User 🕐 Aggiornato 2026-03-01 📅 Creato 2025-04-07
44
janhq/ichigo

IA vocale locale in tempo reale

janhq
⭐ 2,493 Python 👤 janhq Organization 🕐 Aggiornato 2025-11-26 📅 Creato 2024-07-02
46
baaivision/Emu3

Next-Token Prediction è tutto ciò di cui hai bisogno

baaivision
⭐ 2,454 Python 👤 baaivision Organization 🕐 Aggiornato 2026-01-12 📅 Creato 2024-09-26
47
XiaoxinHe/Awesome-Graph-LLM

Una raccolta di cose FANTASTICHE sui modelli linguistici di grandi dimensioni relativi ai grafi (Graph-Related LLMs).

XiaoxinHe
⭐ 2,452 👤 XiaoxinHe User 🕐 Aggiornato 2025-11-05 📅 Creato 2023-06-05
48
Nutlope/llama-ocr

Libreria OCR da Documento a Markdown con Llama 3.2 vision

Nutlope
⭐ 2,445 TypeScript 👤 Nutlope User 🕐 Aggiornato 2026-07-12 📅 Creato 2024-11-12
49
facebookresearch/perception_models

Modelli CLIP" all'avanguardia per immagini e video, modelli linguistici di grandi dimensioni multimodali e altro ancora!

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 Aggiornato 2026-04-13 📅 Creato 2025-04-16

Domande frequenti

1

Qual è il repository #multimodal-ai più popolare su GitHub?

Il progetto open source #multimodal-ai più alto in classifica su GitHub è anthropics/claude-cookbooks, con 54,935 stelle. Una raccolta di quaderni/ricette che mostrano alcuni modi divertenti ed efficaci di usare Claude.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #multimodal-ai?

Tra i progetti #multimodal-ai più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, JavaScript, Kotlin.

3

Come viene calcolata la classifica dei repository #multimodal-ai?

Monitoriamo 191 repository open source attivi contrassegnati con #multimodal-ai (500+ stelle), per un totale di 589,873 stelle e una media di 3,088 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.