Git Stars Git Stars

#multimodal-llm Repository

Scopri 27 repository GitHub open source attivi contrassegnati con #multimodal-llm, che raccolgono un totale di 63,138 stelle (con una media di 2,338 stelle per progetto). Il progetto leader di questo argomento è anthropics/courses, con 22,833 stelle.

27
Totale Repository
63,138
Totale stelle
2,338
Media Stelle/Repo

27 repository in totale

1
anthropics/courses

Corsi didattici di Anthropic

anthropics
⭐ 22,833 Jupyter Notebook 👤 anthropics Organization 🕐 Aggiornato 2026-08-28 📅 Creato 2024-05-30
2
MoonshotAI/Kimi-Audio

Kimi-Audio, un modello di fondazione audio open-source eccellente nella comprensione, generazione e conversazione audio

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 Aggiornato 2025-06-21 📅 Creato 2025-04-25
4
gpt-omni/mini-omni

Modello linguistico di grandi dimensioni multimodale open-source in grado di ascoltare, parlare e pensare. Dotato di funzionalità conversazionali con input vocale end-to-end in tempo reale e output audio in streaming.

gpt-omni
⭐ 3,504 Python 👤 gpt-omni Organization 🕐 Aggiornato 2024-11-05 📅 Creato 2024-08-27
5
Everlyn-Labs/Everlyn-1

Il primo modello IA video autoregressivo aperto e fondamentale.

Everlyn-Labs
⭐ 2,891 👤 Everlyn-Labs Organization 🕐 Aggiornato 2026-10-07 📅 Creato 2024-10-13
6
chatdoc-com/OCRFlux

OCRFlux è un toolkit multimodale leggero ma potente che migliora significativamente la conversione da PDF a Markdown, eccellendo nella gestione di layout complessi, nell'analisi di tabelle complicate e nell'unione di contenuti interpagina.

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

Intelligenza Agentica Visiva Aperta

MoonshotAI
⭐ 2,321 👤 MoonshotAI Organization 🕐 Aggiornato 2026-08-06 📅 Creato 2026-01-30
8
FireRedTeam/FireRedASR

Modelli ASR open-source di livello industriale che supportano mandarino, dialetti cinesi e inglese, raggiungendo un nuovo SOTA sui benchmark pubblici ASR in mandarino, offrendo al contempo eccezionali capacità di riconoscimento del testo delle canzoni.

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 Aggiornato 2026-02-25 📅 Creato 2025-01-24
9
Tencent/WeMM-Embedding

WeMM-Embedding è una famiglia di modelli universali di incorporamento multimodale del WeChat Vision Team di Tencent, che supporta la comprensione e il recupero multimodale.

Tencent
⭐ 1,824 Python 👤 Tencent Organization 🕐 Aggiornato 2026-10-29 📅 Creato 2026-08-25
10
OpenBMB/AgentCPM-GUI

AgentCPM-GUI: Un agente GUI on-device per l'utilizzo delle app Android, che migliora la capacità di ragionamento con il fine-tuning di rinforzo per un'efficiente esecuzione dei compiti.

OpenBMB
⭐ 1,431 Python 👤 OpenBMB Organization 🕐 Aggiornato 2026-01-11 📅 Creato 2025-05-13
11
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
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Aggiornato 2026-10-27 📅 Creato 2024-02-15
12
DLYuanGod/TinyGPT-V

TinyGPT-V: Modello linguistico grande multimodale efficiente tramite piccole backbone

DLYuanGod
⭐ 1,313 Python 👤 DLYuanGod User 🕐 Aggiornato 2026-02-05 📅 Creato 2023-12-28
13
DAMO-NLP-SG/VideoLLaMA2

VideoLLaMA 2: Avanzamenti nella modellazione spazio-temporale e nella comprensione audio nei Video-LLM

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

Uni-MoE: La famiglia di modelli multimodali di grandi dimensioni di Lychee.

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

Un modello generalista trasparente verso una comprensione olistica visione-linguaggio in ambito medico

ZJUI-AI4H
⭐ 1,031 Python 👤 ZJUI-AI4H User 🕐 Aggiornato 2026-08-30 📅 Creato 2025-10-08
16
tulerfeng/Video-R1

Video-R1: Rafforzare il Ragionamento Video negli MLLM [🔥il primo paper a esplorare R1 per i video]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 Aggiornato 2025-12-14 📅 Creato 2025-02-22
17
UCSB-AI/MiniGPT-5

Implementazione ufficiale del paper "MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens"

UCSB-AI
⭐ 865 Python 👤 UCSB-AI Organization 🕐 Aggiornato 2025-05-08 📅 Creato 2023-10-02
18
ngafar/llama-scan

Trascrivi PDF con LLM locali

ngafar
⭐ 807 Python 👤 ngafar User 🕐 Aggiornato 2026-10-22 📅 Creato 2025-06-11
19
FireRedTeam/FireRedASR2S

Un sistema ASR All-in-One di livello industriale SOTA con moduli ASR, VAD, LID e Punc. FireRedASR2 supporta cinese (mandarino, 20+ dialetti/accenti), inglese, code-switching e ASR sia per la voce che per il canto. FireRedVAD supporta voce/canto/musica in 100+ lingue. FireRedLID supporta 100+ lingue e 20+ dialetti cinesi. FireRedPunc supporta cinese e inglese.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Aggiornato 2026-06-02 📅 Creato 2026-02-12
21
showlab/videollm-online

VideoLLM-online: Large Language Model online per video in streaming (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Aggiornato 2025-11-26 📅 Creato 2024-06-17
22
penghao-wu/vstar

Implementazione PyTorch di "V* : Guided Visual Search as a Core Mechanism in Multimodal LLMs"

penghao-wu
⭐ 684 Python 👤 penghao-wu User 🕐 Aggiornato 2024-01-07 📅 Creato 2023-12-15
23
Zeyi-Lin/LLM-Finetune

Fine-tuning di modelli linguistici di grandi dimensioni, Qwen2VL, Qwen2, fine-tuning di istruzioni GLM4

Zeyi-Lin
⭐ 644 Jupyter Notebook 👤 Zeyi-Lin User 🕐 Aggiornato 2025-05-26 📅 Creato 2024-06-10
24
ShaohonChen/Qwen3-SmVL

È stato eseguito il fine-tuning concatenato della testa visiva di SmolVLM2 con il modello Qwen3-0.6B.

ShaohonChen
⭐ 608 Python 👤 ShaohonChen User 🕐 Aggiornato 2025-09-08 📅 Creato 2025-07-12
25
jy0205/LaVIT

LaVIT: Potenziare il Large Language Model per Comprendere e Generare Contenuti Visivi

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 Aggiornato 2024-10-06 📅 Creato 2023-09-09
26
omarcusdev/zap-gpt-free

Questo progetto esplora l'integrazione di ChatGPT con WhatsApp, trasformando il chatbot in un assistente virtuale in grado di svolgere attività come parlare con gli amici, rispondere alle domande dei clienti e molto altro ancora, con un tocco di umanizzazione nelle conversazioni.

omarcusdev
⭐ 597 TypeScript 👤 omarcusdev User 🕐 Aggiornato 2024-12-07 📅 Creato 2024-01-09
27
OpenGVLab/VideoChat-Flash

[ICLR2026] VideoChat-Flash: Compressione gerarchica per la modellazione video a lungo contesto

OpenGVLab
⭐ 532 Python 👤 OpenGVLab Organization 🕐 Aggiornato 2026-07-19 📅 Creato 2024-03-24

Domande frequenti

1

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

Il progetto open source #multimodal-llm più alto in classifica su GitHub è anthropics/courses, con 22,833 stelle. Corsi didattici di Anthropic

2

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

Tra i progetti #multimodal-llm più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Markdown, TypeScript.

3

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

Monitoriamo 27 repository open source attivi contrassegnati con #multimodal-llm (500+ stelle), per un totale di 63,138 stelle e una media di 2,338 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.