Git Stars Git Stars

#multimodal-ai Repository

191
Totale Repository
589,873
Totale stelle
3,088
Media Stelle/Repo
51
ByteDance-Seed/VeOmni

VeOmni: Scalare l'addestramento di modelli di qualsiasi modalitร  con una libreria distribuita di ricette incentrata sul modello

ByteDance-Seed
โญ 2,299 Python ๐Ÿ‘ค ByteDance-Seed Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2025-03-28
52
ActiveVisionLab/Awesome-LLM-3D

Awesome-LLM-3D: un elenco curato di modelli linguistici di grandi dimensioni multimodali nel mondo 3D Risorse

ActiveVisionLab
โญ 2,284 ๐Ÿ‘ค ActiveVisionLab Organization ๐Ÿ• Aggiornato 2026-04-16 ๐Ÿ“… Creato 2023-12-15
53
Liuziyu77/Visual-RFT

Repository ufficiale di 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuningโ€™

Liuziyu77
โญ 2,283 Jupyter Notebook ๐Ÿ‘ค Liuziyu77 User ๐Ÿ• Aggiornato 2025-10-29 ๐Ÿ“… Creato 2025-02-24
54
mrgoonie/claudekit-skills

Tutte le potenti abilitร  di ClaudeKit.cc!

mrgoonie
โญ 2,244 Python ๐Ÿ‘ค mrgoonie User ๐Ÿ• Aggiornato 2026-04-03 ๐Ÿ“… Creato 2025-10-23
55
microsoft/LLaVA-Med

Large Language-and-Vision Assistant per la Biomedicina, costruito verso capacitร  multimodali di livello GPT-4.

microsoft
โญ 2,207 Python ๐Ÿ‘ค microsoft Organization ๐Ÿ• Aggiornato 2025-06-04 ๐Ÿ“… Creato 2023-05-20
56
LAION-AI/CLAP

Pre-addestramento contrastivo linguaggio-audio

LAION-AI
โญ 2,167 Python ๐Ÿ‘ค LAION-AI Organization ๐Ÿ• Aggiornato 2025-05-15 ๐Ÿ“… Creato 2022-03-06
57
km1994/LLMsNineStoryDemonTower

ใ€LLMs Nove Livelli Torre Demoneใ€‘Condivisione di esperienze pratiche e conoscenze su LLMs in campi come l'elaborazione del linguaggio naturale (ChatGLM, Chinese-LLaMA-Alpaca, Xiaoyangtuo Vicuna, LLaMA, GPT4ALL, ecc.), recupero delle informazioni (langchain), sintesi vocale, riconoscimento vocale, multimodale (Stable Diffusion, MiniGPT-4, VisualGLM-6B, Ziya-Visual, ecc.).

km1994
โญ 2,140 ๐Ÿ‘ค km1994 User ๐Ÿ• Aggiornato 2024-03-30 ๐Ÿ“… Creato 2023-05-01
58
shcherbak-ai/contextgem

Estrai dati strutturati e approfondimenti dai documenti utilizzando modelli linguistici di grandi dimensioni e modelli decisionali

shcherbak-ai
โญ 2,095 Python ๐Ÿ‘ค shcherbak-ai Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2024-10-11
59
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5: Rendere i VLM OCR leggeri piรน veloci e migliori

Tencent-Hunyuan
โญ 2,091 Python ๐Ÿ‘ค Tencent-Hunyuan Organization ๐Ÿ• Aggiornato 2026-09-24 ๐Ÿ“… Creato 2025-11-18
60
QwenLM/Qwen2-Audio

Il repository ufficiale della chat Qwen2-Audio e del modello linguistico audio di grandi dimensioni preaddestrato proposto da Alibaba Cloud.

QwenLM
โญ 2,072 Python ๐Ÿ‘ค QwenLM Organization ๐Ÿ• Aggiornato 2025-04-21 ๐Ÿ“… Creato 2024-06-24
61
merveenoyan/smol-vision

Ricette per rimpicciolire, ottimizzare e personalizzare modelli di visione all'avanguardia. ๐Ÿ’œ

merveenoyan
โญ 2,004 Jupyter Notebook ๐Ÿ‘ค merveenoyan User ๐Ÿ• Aggiornato 2026-08-12 ๐Ÿ“… Creato 2024-03-13
62
NVIDIA-AI-Blueprints/video-search-and-summarization

Il Blueprint AI di NVIDIA per la ricerca e il riepilogo video (VSS) รจ un'architettura di riferimento accelerata da GPU per costruire agenti di analisi video con avvisi verificati in tempo reale, domande e risposte visive e report automatizzati. Il Blueprint VSS utilizza modelli di linguaggio visivo (VLM) come NVIDIA Cosmos, LLM come NVIDIA Nemotron, RAG e NVIDIA NIM.

NVIDIA-AI-Blueprints
โญ 2,003 Python ๐Ÿ‘ค NVIDIA-AI-Blueprints Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2024-10-22
63
chn-lee-yumi/MaterialSearch

Ricerca semantica. Cerca foto e video locali tramite linguaggio naturale. Ricerca semantica AI di materiale locale. Cerca per immagine, trova materiale locale, abbina scene tramite descrizioni testuali, ricerca frame video, cerca video tramite descrizioni di scene.

chn-lee-yumi
โญ 1,998 HTML ๐Ÿ‘ค chn-lee-yumi User ๐Ÿ• Aggiornato 2026-09-21 ๐Ÿ“… Creato 2023-03-16
65
kimjammer/Neuro

Una ricreazione di Neuro-Sama originariamente creata in 7 giorni.

kimjammer
โญ 1,960 Python ๐Ÿ‘ค kimjammer User ๐Ÿ• Aggiornato 2025-01-17 ๐Ÿ“… Creato 2024-01-07
66
microsoft/Magma

[CVPR 2025] Magma: Un modello fondazionale per agenti AI multimodali

microsoft
โญ 1,948 Python ๐Ÿ‘ค microsoft Organization ๐Ÿ• Aggiornato 2026-03-03 ๐Ÿ“… Creato 2024-11-22
67
gpt-omni/mini-omni2

Verso GPT-4o open-source con capacitร  Vision, Speech e Duplex.

gpt-omni
โญ 1,896 Python ๐Ÿ‘ค gpt-omni Organization ๐Ÿ• Aggiornato 2025-01-16 ๐Ÿ“… Creato 2024-10-14
68
ivanfioravanti/chatbot-ollama

Chatbot Ollama รจ un'interfaccia utente di chat open source per Ollama.

ivanfioravanti
โญ 1,892 TypeScript ๐Ÿ‘ค ivanfioravanti User ๐Ÿ• Aggiornato 2025-09-05 ๐Ÿ“… Creato 2023-10-01
69
RanFeng/clipsketch-ai

Trasforma i momenti video in storie disegnate a mano

RanFeng
โญ 1,883 TypeScript ๐Ÿ‘ค RanFeng User ๐Ÿ• Aggiornato 2026-01-14 ๐Ÿ“… Creato 2025-11-27
70
AutoArk/EVA-OS

EVA OS โ€” Un AIOS multimodale in tempo reale per hardware di nuova generazione, che rende i tuoi dispositivi "vivi" e intelligenti quanto un cervello vero.

AutoArk
โญ 1,875 ๐Ÿ‘ค AutoArk Organization ๐Ÿ• Aggiornato 2026-08-03 ๐Ÿ“… Creato 2025-11-26
71
Audio-AGI/AudioSep

Implementazione ufficiale di "Separa qualsiasi cosa tu descriva"

Audio-AGI
โญ 1,857 Python ๐Ÿ‘ค Audio-AGI Organization ๐Ÿ• Aggiornato 2024-11-26 ๐Ÿ“… Creato 2023-08-08
72
facebookresearch/MetaCLIP

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

facebookresearch
โญ 1,856 Python ๐Ÿ‘ค facebookresearch Organization ๐Ÿ• Aggiornato 2026-08-11 ๐Ÿ“… Creato 2023-09-28
73
Core-Mate/OpenGUI

OpenGUI รจ un framework di agenti GUI per Android destinato all'IA su smartphone, in grado di vedere, pianificare e utilizzare app mobili reali attraverso l'interfaccia grafica.

Core-Mate
โญ 1,814 HTML ๐Ÿ‘ค Core-Mate Organization ๐Ÿ• Aggiornato 2026-11-16 ๐Ÿ“… Creato 2026-04-18
74
apple-aiml-research/ml-4m

4M: Modellazione mascherata massicciamente multimodale

apple-aiml-research
โญ 1,814 Python ๐Ÿ‘ค apple-aiml-research Organization ๐Ÿ• Aggiornato 2026-09-11 ๐Ÿ“… Creato 2024-04-08
โญ 1,776 Python ๐Ÿ‘ค airockchip User ๐Ÿ• Aggiornato 2026-09-29 ๐Ÿ“… Creato 2024-03-14
76
kijai/ComfyUI-Florence2

Inferenza Microsoft Florence2 VLM

kijai
โญ 1,764 Python ๐Ÿ‘ค kijai User ๐Ÿ• Aggiornato 2026-05-06 ๐Ÿ“… Creato 2024-06-19
77
facebookresearch/multimodal

TorchMultimodal รจ una libreria PyTorch per l'addestramento di modelli multimodali multi-task all'avanguardia su larga scala.

facebookresearch
โญ 1,747 Python ๐Ÿ‘ค facebookresearch Organization ๐Ÿ• Aggiornato 2026-11-16 ๐Ÿ“… Creato 2022-01-27
79
JiuhaiChen/BLIP3o

Implementazione ufficiale della serie BLIP3o

JiuhaiChen
โญ 1,667 Python ๐Ÿ‘ค JiuhaiChen User ๐Ÿ• Aggiornato 2025-11-29 ๐Ÿ“… Creato 2025-04-23
80
waybarrios/vllm-mlx

Server di inferenza LLM ad alte prestazioni compatibile con OpenAI e Anthropic per Apple Silicon. MLX nativo, batching continuo, modelli multimodali, chiamate di strumenti MCP e supporto per Claude Code.

waybarrios
โญ 1,657 Python ๐Ÿ‘ค waybarrios User ๐Ÿ• Aggiornato 2026-11-07 ๐Ÿ“… Creato 2025-12-06
โญ 1,651 Jupyter Notebook ๐Ÿ‘ค Google-Health Organization ๐Ÿ• Aggiornato 2026-06-19 ๐Ÿ“… Creato 2025-04-30
82
baaivision/Emu3.5

I modelli multimodali nativi sono apprendisti del mondo

baaivision
โญ 1,567 Python ๐Ÿ‘ค baaivision Organization ๐Ÿ• Aggiornato 2025-12-30 ๐Ÿ“… Creato 2025-10-29
83
microsoft/SoM

[arXiv 2023] Set-of-Mark Prompting per GPT-4V e LMM

microsoft
โญ 1,499 Python ๐Ÿ‘ค microsoft Organization ๐Ÿ• Aggiornato 2024-08-19 ๐Ÿ“… Creato 2023-10-16
84
Nutlope/napkins

napkins.dev โ€“ dallo screenshot all'app

Nutlope
โญ 1,484 TypeScript ๐Ÿ‘ค Nutlope User ๐Ÿ• Aggiornato 2026-10-23 ๐Ÿ“… Creato 2024-09-18
โญ 1,479 Python ๐Ÿ‘ค ByteDance-Seed Organization ๐Ÿ• Aggiornato 2026-02-12 ๐Ÿ“… Creato 2025-07-30
86
zstar1003/ragflow-plus

Ragflow-Plus รจ una versione di sviluppo secondario di Ragflow, che lo rende piรน conciso e pratico

zstar1003
โญ 1,471 Python ๐Ÿ‘ค zstar1003 User ๐Ÿ• Aggiornato 2026-11-18 ๐Ÿ“… Creato 2025-03-24
87
0nutation/SpeechGPT

SpeechGPT Series: Grandi modelli linguistici per la voce

0nutation
โญ 1,397 Python ๐Ÿ‘ค 0nutation User ๐Ÿ• Aggiornato 2024-07-22 ๐Ÿ“… Creato 2023-05-16
88
IDEA-Research/awesome-detection-transformer

Raccogli alcuni articoli sui transformer per il rilevamento e la segmentazione. Awesome Detection Transformer per la Computer Vision (CV)

IDEA-Research
โญ 1,392 ๐Ÿ‘ค IDEA-Research Organization ๐Ÿ• Aggiornato 2024-07-04 ๐Ÿ“… Creato 2022-03-09
89
gokayfem/awesome-vlm-architectures

Catalogo visivo selezionato di oltre 200 architetture di modelli visione-linguaggio (VLM/MLLM): articoli, diagrammi, ricette di addestramento, set di dati e cronologia dei rilasci degli agenti IA multimodali.

gokayfem
โญ 1,368 Markdown ๐Ÿ‘ค gokayfem User ๐Ÿ• Aggiornato 2026-10-27 ๐Ÿ“… Creato 2024-02-15
90
poe-platform/server-bot-quick-start

Tutorial per i bot del server Poe

poe-platform
โญ 1,347 Python ๐Ÿ‘ค poe-platform Organization ๐Ÿ• Aggiornato 2026-11-16 ๐Ÿ“… Creato 2023-05-10
91
gavrielc/Nano-PDF

Modifica file PDF con Nano Banana

gavrielc
โญ 1,331 Python ๐Ÿ‘ค gavrielc User ๐Ÿ• Aggiornato 2025-12-03 ๐Ÿ“… Creato 2025-11-28
92
ConardLi/easy-llm-cli

Un agente AI open-source compatibile con piรน modelli LLM

ConardLi
โญ 1,319 TypeScript ๐Ÿ‘ค ConardLi User ๐Ÿ• Aggiornato 2026-02-05 ๐Ÿ“… Creato 2025-07-11
93
Meituan-AutoML/MobileVLM

Assistente Linguistico Vision Forte e Aperto per Dispositivi Mobili

Meituan-AutoML
โญ 1,317 Python ๐Ÿ‘ค Meituan-AutoML Organization ๐Ÿ• Aggiornato 2024-04-15 ๐Ÿ“… Creato 2023-12-29
94
hemingkx/SpeculativeDecodingPapers

๐Ÿ“ฐ Articoli e blog imperdibili su Speculative Decoding โšก๏ธ

hemingkx
โญ 1,309 ๐Ÿ‘ค hemingkx User ๐Ÿ• Aggiornato 2026-06-27 ๐Ÿ“… Creato 2023-09-20
95
JMAN730/opendroid

Il tuo agente Android autonomo aperto โ€” un assistente AI pronto per la produzione, auto-pianificante, alimentato da LLM locali/remoti e automazione dello schermo basata sull'accessibilitร .

JMAN730
โญ 1,300 Kotlin ๐Ÿ‘ค JMAN730 User ๐Ÿ• Aggiornato 2026-11-10 ๐Ÿ“… Creato 2026-05-21
96
opendatalab/LabelLLM

La piattaforma open-source per l'annotazione dei dati

opendatalab
โญ 1,298 TypeScript ๐Ÿ‘ค opendatalab Organization ๐Ÿ• Aggiornato 2026-07-02 ๐Ÿ“… Creato 2024-05-07
โญ 1,293 Python ๐Ÿ‘ค Visual-Agent Organization ๐Ÿ• Aggiornato 2025-11-20 ๐Ÿ“… Creato 2025-03-15
98
aiming-lab/Agent0

[ICML'26 & COLM'26] Serie Agent0: Agenti auto-evolutivi da zero dati

aiming-lab
โญ 1,292 Python ๐Ÿ‘ค aiming-lab Organization ๐Ÿ• Aggiornato 2026-07-10 ๐Ÿ“… Creato 2025-10-20
99
OpenTSLM/OpenTSLM

OpenTSLM: Modelli linguistici di serie temporali per il ragionamento su dati multivariati di testo medico e serie temporali

OpenTSLM
โญ 1,273 Python ๐Ÿ‘ค OpenTSLM Organization ๐Ÿ• Aggiornato 2026-07-21 ๐Ÿ“… Creato 2025-05-14
100
VILA-Lab/Awesome-DLMs

Il repository GitHub ufficiale per l'articolo di rassegna "A Survey on Diffusion Language Models".

VILA-Lab
โญ 1,252 ๐Ÿ‘ค VILA-Lab Organization ๐Ÿ• Aggiornato 2026-10-02 ๐Ÿ“… Creato 2025-07-14