Git Stars Git Stars

#multimodal Repository

183
Totale Repository
700,629
Totale stelle
3,828
Media Stelle/Repo
51
docarray/docarray

Rappresentare, inviare, archiviare e cercare dati multimodali

docarray
โญ 3,123 Python ๐Ÿ‘ค docarray Organization ๐Ÿ• Aggiornato 2026-03-27 ๐Ÿ“… Creato 2021-12-14
52
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive: Un sistema multimodale completo per interazioni audio e video in streaming a lungo termine

InternLM
โญ 2,925 Python ๐Ÿ‘ค InternLM Organization ๐Ÿ• Aggiornato 2025-05-26 ๐Ÿ“… Creato 2023-09-26
53
datachain-ai/datachain

Il livello di contesto per dati non strutturati: dataset tipizzati e versionati su S3, GCS, Azure

datachain-ai
โญ 2,831 Python ๐Ÿ‘ค datachain-ai Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2024-06-25
54
autodistill/autodistill

Immagini per inferenza senza etichettatura (utilizzare modelli di base per addestrare modelli supervisionati).

autodistill
โญ 2,802 Python ๐Ÿ‘ค autodistill Organization ๐Ÿ• Aggiornato 2026-09-29 ๐Ÿ“… Creato 2023-06-06
55
rom1504/clip-retrieval

Calcola facilmente gli embedding delle clip e costruisci un sistema di recupero delle clip con essi

rom1504
โญ 2,799 Jupyter Notebook ๐Ÿ‘ค rom1504 User ๐Ÿ• Aggiornato 2026-03-28 ๐Ÿ“… Creato 2021-06-07
56
roboflow/maestro

Semplificare il processo di fine-tuning per modelli multimodali: PaliGemma 2, Florence-2 e Qwen2.5-VL

roboflow
โญ 2,696 Python ๐Ÿ‘ค roboflow Organization ๐Ÿ• Aggiornato 2026-11-16 ๐Ÿ“… Creato 2023-11-24
57
genieincodebottle/generative-ai

Risorse complete sull'IA generativa, tra cui una roadmap dettagliata, progetti, casi d'uso, preparazione ai colloqui e preparazione alla codifica.

genieincodebottle
โญ 2,675 Jupyter Notebook ๐Ÿ‘ค genieincodebottle User ๐Ÿ• Aggiornato 2026-11-09 ๐Ÿ“… Creato 2024-01-09
58
om-ai-lab/OmAgent

[EMNLP-2024] Costruire agenti linguistici multimodali per prototipazione rapida e produzione

om-ai-lab
โญ 2,670 Python ๐Ÿ‘ค om-ai-lab Organization ๐Ÿ• Aggiornato 2026-10-16 ๐Ÿ“… Creato 2024-07-04
59
OFA-Sys/OFA

Repository ufficiale di OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework

OFA-Sys
โญ 2,550 Python ๐Ÿ‘ค OFA-Sys Organization ๐Ÿ• Aggiornato 2024-04-24 ๐Ÿ“… Creato 2022-01-29
60
X-PLUG/mPLUG-Owl

mPLUG-Owl: La potente famiglia di modelli linguistici di grandi dimensioni multimodali

X-PLUG
โญ 2,541 Python ๐Ÿ‘ค X-PLUG Organization ๐Ÿ• Aggiornato 2025-04-02 ๐Ÿ“… Creato 2023-04-25
61
InternLM/HuixiangDou

HuixiangDou: Superare scenari di chat di gruppo con assistenza tecnica basata su LLM

InternLM
โญ 2,500 Python ๐Ÿ‘ค InternLM Organization ๐Ÿ• Aggiornato 2025-11-24 ๐Ÿ“… Creato 2023-12-28
62
AI-Efficiency/Awesome-Model-Quantization

Una raccolta curata di articoli, benchmark, rassegne e strumenti sulla quantizzazione dei modelli, che comprende reti a pochi bit, LLM, modelli multimodali e generativi, quantizzazione vettoriale e reticolare, nonchรฉ il deployment efficiente.

AI-Efficiency
โญ 2,471 ๐Ÿ‘ค AI-Efficiency Organization ๐Ÿ• Aggiornato 2026-11-16 ๐Ÿ“… Creato 2018-10-18
63
Yutong-Zhou-cv/Awesome-Text-to-Image

(เท†`๊’ณยดเท†) Una panoramica sulla generazione/sintesi da testo a immagine.

Yutong-Zhou-cv
โญ 2,444 ๐Ÿ‘ค Yutong-Zhou-cv User ๐Ÿ• Aggiornato 2026-11-03 ๐Ÿ“… Creato 2020-10-13
64
Stability-AI/stability-sdk

SDK per l'interazione con le API di stability.ai (ad es. inferenza Stable Diffusion)

Stability-AI
โญ 2,436 Jupyter Notebook ๐Ÿ‘ค Stability-AI Organization ๐Ÿ• Aggiornato 2026-05-14 ๐Ÿ“… Creato 2022-08-22
65
Turbo1123/roubao

Roubao 2.0 per iPhone: un agente IA open source per iOS con controllo dellโ€™interfaccia Micro-X autorizzato dal proprietario, modelli personalizzati, attivitร  riprendibili e report PDF. Durante lโ€™uso non servono Wi-Fi, jailbreak, computer nรฉ hardware aggiuntivo (per la configurazione occorrono un Mac e una connessione USB). La versione legacy per Android รจ mantenuta.

Turbo1123
โญ 2,422 Swift ๐Ÿ‘ค Turbo1123 User ๐Ÿ• Aggiornato 2026-11-09 ๐Ÿ“… Creato 2025-12-09
66
OpenGVLab/InternVideo

[ECCV2024] Modelli Fondamentali Video e Dati per la Comprensione Multimodale

OpenGVLab
โญ 2,421 Python ๐Ÿ‘ค OpenGVLab Organization ๐Ÿ• Aggiornato 2026-07-02 ๐Ÿ“… Creato 2022-11-23
67
NVIDIA-NeMo/DataDesigner

๐ŸŽจ NeMo Data Designer: Genera dati sintetici di alta qualitร  da zero o da dati seed.

NVIDIA-NeMo
โญ 2,419 Python ๐Ÿ‘ค NVIDIA-NeMo Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2025-10-16
68
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl: Modello linguistico multimodale modulare di grandi dimensioni per la comprensione dei documenti

X-PLUG
โญ 2,407 Python ๐Ÿ‘ค X-PLUG Organization ๐Ÿ• Aggiornato 2025-05-30 ๐Ÿ“… Creato 2023-07-04
69
HUANGCHIHHUNGLeo/claude-real-video

Lascia che Claude (o qualsiasi LLM) guardi effettivamente un video โ€” fotogrammi con rilevamento delle scene e deduplicati + trascrizione, da un URL o file locale. Funziona localmente, MIT.

HUANGCHIHHUNGLeo
โญ 2,329 Python ๐Ÿ‘ค HUANGCHIHHUNGLeo User ๐Ÿ• Aggiornato 2026-11-20 ๐Ÿ“… Creato 2026-06-30
70
google-gemini/genai-processors

GenAI Processors รจ una libreria Python leggera che consente un'elaborazione dei contenuti efficiente e parallela.

google-gemini
โญ 2,125 Python ๐Ÿ‘ค google-gemini Organization ๐Ÿ• Aggiornato 2026-11-10 ๐Ÿ“… Creato 2025-04-29
71
fikrikarim/parlor

IA multimodale in tempo reale su dispositivo con funzionalitร  simili a GPT-Live

fikrikarim
โญ 2,117 Python ๐Ÿ‘ค fikrikarim User ๐Ÿ• Aggiornato 2026-08-03 ๐Ÿ“… Creato 2026-04-05
72
showlab/Show-o

[ICLR & NeurIPS 2025] Repository per la serie Show-o, un unico Transformer per unificare la comprensione e la generazione multimodale.

showlab
โญ 1,988 Python ๐Ÿ‘ค showlab Organization ๐Ÿ• Aggiornato 2026-01-08 ๐Ÿ“… Creato 2024-08-09
73
2U1/Qwen-VL-Series-Finetune

Un'implementazione open-source per l'affinamento della serie Qwen-VL di Alibaba Cloud.

2U1
โญ 1,983 Python ๐Ÿ‘ค 2U1 User ๐Ÿ• Aggiornato 2026-09-09 ๐Ÿ“… Creato 2024-09-10
74
kyegomez/BitNet

Implementazione di "BitNet: Scalare Transformer a 1 bit per modelli linguistici di grandi dimensioni" in PyTorch

kyegomez
โญ 1,949 Python ๐Ÿ‘ค kyegomez User ๐Ÿ• Aggiornato 2026-11-16 ๐Ÿ“… Creato 2023-10-18
75
sgl-project/sglang-omni

Runtime ad alte prestazioni per lโ€™erogazione di sistemi di superintelligenza interattivi

sgl-project
โญ 1,882 Python ๐Ÿ‘ค sgl-project Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-01-07
76
AlibabaResearch/AdvancedLiterateMachinery

Una raccolta di idee e algoritmi originali e innovativi per macchine letterarie avanzate. Questo progetto รจ mantenuto dal Team OCR nel Language Technology Lab, Tongyi Lab, Alibaba Group.

AlibabaResearch
โญ 1,832 C++ ๐Ÿ‘ค AlibabaResearch Organization ๐Ÿ• Aggiornato 2026-03-17 ๐Ÿ“… Creato 2022-09-28
77
potamides/DeTikZify

Sintetizzazione di programmi grafici per figure scientifiche e schizzi con TikZ.

potamides
โญ 1,831 Python ๐Ÿ‘ค potamides User ๐Ÿ• Aggiornato 2026-09-17 ๐Ÿ“… Creato 2023-11-27
78
Tencent/WeMM-Embedding

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

Tencent
โญ 1,824 Python ๐Ÿ‘ค Tencent Organization ๐Ÿ• Aggiornato 2026-10-29 ๐Ÿ“… Creato 2026-08-25
79
alan-ai/alan-sdk-android

Il Sistema di Auto-Codifica per la Tua App โ€” Alan AI SDK per Android

alan-ai
โญ 1,815 ๐Ÿ‘ค alan-ai Organization ๐Ÿ• Aggiornato 2025-04-22 ๐Ÿ“… Creato 2019-10-01
โญ 1,795 Python ๐Ÿ‘ค microsoft Organization ๐Ÿ• Aggiornato 2026-11-02 ๐Ÿ“… Creato 2026-06-15
81
alan-ai/alan-sdk-flutter

Il sistema di auto-codifica per la tua app โ€” Alan AI SDK per Flutter

alan-ai
โญ 1,768 Ruby ๐Ÿ‘ค alan-ai Organization ๐Ÿ• Aggiornato 2025-04-22 ๐Ÿ“… Creato 2020-04-22
82
pixeltable/pixeltable

Gli agenti backend sono costruiti con: database multimodale, orchestrazione e servizio in un unico file

pixeltable
โญ 1,664 Python ๐Ÿ‘ค pixeltable Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2023-05-10
83
alan-ai/alan-sdk-ionic

Il sistema di auto-codifica per la tua app โ€” Alan AI SDK per Ionic

alan-ai
โญ 1,661 TypeScript ๐Ÿ‘ค alan-ai Organization ๐Ÿ• Aggiornato 2025-04-22 ๐Ÿ“… Creato 2020-04-24
84
UbiquitousLearning/mllm

LLM multimodale veloci su dispositivi mobili

UbiquitousLearning
โญ 1,643 C++ ๐Ÿ‘ค UbiquitousLearning User ๐Ÿ• Aggiornato 2026-09-30 ๐Ÿ“… Creato 2023-08-30
85
verl-project/verl-omni

Framework di training RL multimodale per modelli di diffusione e omni

verl-project
โญ 1,560 Python ๐Ÿ‘ค verl-project Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-04-21
86
ATH-MaaS/Ovis

Una nuova architettura Multimodal Large Language Model (MLLM), progettata per allineare strutturalmente gli embedding visivi e testuali.

ATH-MaaS
โญ 1,536 Python ๐Ÿ‘ค ATH-MaaS Organization ๐Ÿ• Aggiornato 2026-07-15 ๐Ÿ“… Creato 2024-06-13
87
valentinfrlch/ha-llmvision

Intelligenza visiva per la tua casa.

valentinfrlch
โญ 1,535 Python ๐Ÿ‘ค valentinfrlch User ๐Ÿ• Aggiornato 2026-11-12 ๐Ÿ“… Creato 2024-05-14
88
emcf/thepipe

Ottieni dati puliti da documenti complessi, potenziati dai modelli vision-language โšก

emcf
โญ 1,529 Python ๐Ÿ‘ค emcf User ๐Ÿ• Aggiornato 2026-09-28 ๐Ÿ“… Creato 2024-03-22
89
jordanrendric/claude-video-vision

Concedi a Claude la capacitร  di guardare e comprendere i video โ€” plugin Claude Code con estrazione dei fotogrammi e analisi audio multimodale

jordanrendric
โญ 1,523 TypeScript ๐Ÿ‘ค jordanrendric User ๐Ÿ• Aggiornato 2026-10-14 ๐Ÿ“… Creato 2026-03-31
90
llm-jp/awesome-japanese-llm

Riassunto LLM giapponesi - Panoramica dei LLM giapponesi

llm-jp
โญ 1,446 TypeScript ๐Ÿ‘ค llm-jp Organization ๐Ÿ• Aggiornato 2026-11-09 ๐Ÿ“… Creato 2023-07-09
91
xtreme1-io/xtreme1

Xtreme1 รจ una piattaforma all-in-one per l'etichettatura e l'annotazione dei dati per l'addestramento di dati multimodali e supporta nuvole di punti 3D LiDAR, immagini e LLM.

xtreme1-io
โญ 1,395 TypeScript ๐Ÿ‘ค xtreme1-io Organization ๐Ÿ• Aggiornato 2026-09-29 ๐Ÿ“… Creato 2022-08-08
92
dailenson/SDT

Questo repository รจ l'implementazione ufficiale di Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)

dailenson
โญ 1,393 Python ๐Ÿ‘ค dailenson User ๐Ÿ• Aggiornato 2025-06-26 ๐Ÿ“… Creato 2023-03-22
93
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
94
Capsize-Games/airunner

Motore di inferenza offline per arte, conversazioni vocali in tempo reale, chatbot basati su LLM e flussi di lavoro automatizzati

Capsize-Games
โญ 1,317 Python ๐Ÿ‘ค Capsize-Games Organization ๐Ÿ• Aggiornato 2026-11-20 ๐Ÿ“… Creato 2023-03-21
95
ysr666/dsh-vision-router

Visione per gli agenti DeepSeek Harness che operano solo con testo: catena di visione gratuita integrata (senza chiave) + strumenti di visione a livello di pixel (domande e risposte, grounding, ritaglio, differenza tra pixel, colori, OCR, ricalco SVG, scontorno, screenshot). Installazione con un solo comando, senza Python; i turni con immagini funzionano come i normali turni di chiamata agli strumenti.

ysr666
โญ 1,294 JavaScript ๐Ÿ‘ค ysr666 User ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-08-13
96
Anionex/agent-vision-toolkit

Progetta un kit di strumenti e competenze visive migliore per i modelli di solo testo per "vedere" le immagini, supportando la comprensione multi-immagine, domande e risposte sulle immagini, ripristino dell'interfaccia frontend, automazione della GUI, ecc., con integrazione opzionale senza soluzione di continuitร  con piรน agenti principali e riconoscimento diretto delle immagini incollate | Un kit di strumenti e competenze visive progettato per LLM di solo testo: domande e risposte sulle immagini, OCR di screenshot lunghi, ripristino dell'interfaccia frontend e automazione della GUI, con integrazione opzionale senza soluzione di continuitร  per Codex, Claude Code, Pi, Oh My Pi e OpenCode

Anionex
โญ 1,267 Python ๐Ÿ‘ค Anionex User ๐Ÿ• Aggiornato 2026-10-13 ๐Ÿ“… Creato 2026-08-01
97
unum-cloud/UForm

Addestramento e inferenza distribuiti per la percezione multimodale: embedding condivisi per testo, immagini, video, audio, codice e grafi, da 64 a 1024 dimensioni ๐Ÿ–ผ๏ธ

unum-cloud
โญ 1,253 Cuda ๐Ÿ‘ค unum-cloud Organization ๐Ÿ• Aggiornato 2026-11-18 ๐Ÿ“… Creato 2023-02-21
98
Zen4-bit/Proxima

Server MCP Multi-AI - Collega ChatGPT, Claude, Gemini e Perplexity ai tuoi strumenti di codifica senza alcuna API

Zen4-bit
โญ 1,220 JavaScript ๐Ÿ‘ค Zen4-bit User ๐Ÿ• Aggiornato 2026-11-20 ๐Ÿ“… Creato 2026-02-02
99
nv-tlabs/LLaMA-Mesh

Unificazione della generazione di mesh 3D con modelli linguistici

nv-tlabs
โญ 1,153 Python ๐Ÿ‘ค nv-tlabs Organization ๐Ÿ• Aggiornato 2025-03-28 ๐Ÿ“… Creato 2024-11-14
100
OpenMOSS/MOVA

Un modello di base che genera video e audio sincronizzati in un unico modello

OpenMOSS
โญ 1,151 Python ๐Ÿ‘ค OpenMOSS Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-01-28