Git Stars Git Stars

#multimodal-ai Repositórios

Descubra 191 repositórios ativos de código aberto no GitHub marcados com #multimodal-ai, acumulando um total de 589,873 estrelas (uma média de 3,088 por projeto). O líder deste tópico é anthropics/claude-cookbooks, com 54,935 estrelas.

191
Total de Repositórios
589,873
Total de estrelas
3,088
Média de Estrelas/Repositório

191 repositórios no total

1
anthropics/claude-cookbooks

Uma coleção de notebooks/receitas que mostram algumas formas divertidas e eficazes de usar o Claude.

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

Aplicativo de desktop de código aberto para LLMs locais. Texto, visão, chamada de ferramentas, API compatível com OpenAI/Anthropic. 100% privado.

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

Uma galeria que exibe casos de uso de ML/GenAI no dispositivo e permite que as pessoas experimentem e usem modelos localmente.

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

Contextos de compressão óptica

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

Qwen3-VL é a série de modelos de linguagem grande multimodal desenvolvida pela equipe Qwen, Alibaba Cloud.

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

🚀 Toolkit de avatar de IA (humano digital) verdadeiramente de código aberto para geração de vídeo offline e clonagem de humano digital.

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

Modelos Fundamentais para Tradução de Fala e Texto de Ponta

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

modelo de linguagem visual minúsculo

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

Um Kit de Ferramentas Abrangente para Extração de Conteúdo PDF de Alta Qualidade

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

ImageBind Um Espaço de Embedding para Unir Todos Eles

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

Qwen-Image é um poderoso modelo de base para geração de imagens, capaz de renderização complexa de texto e edição precisa de imagens.

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

NVIDIA Isaac GR00T N1.7 - Um Modelo Fundamental para Robôs Generalistas.

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

Modelo de base texto-áudio da Boson AI

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

Grande Modelo Mundial -- Modelagem de Texto e Vídeo com Milhões de Contexto

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

O adaptador de prompt de imagem é projetado para permitir que um modelo de difusão pré-treinado de texto para imagem gere imagens com prompt de imagem.

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

[CVPR 2024] Detecção de Objetos de Vocabulário Aberto em Tempo Real

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

Bella é a melhor

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

Modelo multimodal unificado de código aberto

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

Demonstração de webcam em tempo real com SmolVLM e servidor llama.cpp

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

Gateway e catálogo de modelos oficial da Agnes AI para fluxos de trabalho de texto, imagem, vídeo e agentes compatíveis com OpenAI.

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

DeepSeek-VL2: Modelos Visão-Linguagem com Mistura de Especialistas para Compreensão Multimodal Avançada

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

David Attenborough narra a sua vida

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

Hunyuan-DiT : Um Poderoso Transformer de Difusão Multi-Resolução com Compreensão Chinesa Detalhada

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

OmniGen2: Exploração para Geração Multimodal Avançada. https://arxiv.org/abs/2506.18871

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

O SDK Python de IA Generativa do Google oferece uma interface para que os desenvolvedores integrem os modelos generativos do Google em seus aplicativos Python.

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

Qwen2.5-Omni é um modelo multimodal de ponta a ponta da equipe Qwen da Alibaba Cloud, capaz de compreender texto, áudio, visão, vídeo e realizar geração de fala em tempo real.

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

Implementação oficial para "Raciocínio em Cadeia de Pensamento Multimodal em Modelos de Linguagem" (fique atento, mais será atualizado)

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

Tudo sobre a família de modelos SmolLM e SmolVLM

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

Nano Banana(nanobanana), GPT-5(GPT5), GPT-4o(GPT4o) Prompts de Imagem, Prompts Nanobanana, Prompts Nanobanana

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

FlagAI (Fast LArge-scale General AI models) é um kit de ferramentas rápido, fácil de usar e extensível para modelos de grande escala.

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

O repositório fornece o código para executar a inferência com o Meta Segment Anything Audio Model (SAM-Audio), links para baixar os checkpoints do modelo treinado e notebooks de exemplo que mostram como usar o modelo.

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

Minha Mega Coletânea de Formas Criativas de Usar o nano-banana! Em constante atualização!

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

Sistema Conversacional de Avatar Digital - Linly-Talker. 😄✨ O Linly-Talker é um sistema de IA inteligente que combina grandes modelos de linguagem (LLMs) com modelos visuais para criar um novo método de interação humano-IA. 🤝🤖 Ele integra várias tecnologias, como Whisper, Linly, Microsoft Speech Services e o sistema de geração de cabeça falante SadTalker. 🌟🔬

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

🔥🔥🔥 [IEEE TCSVT] Últimos artigos, códigos e conjuntos de dados sobre Vid-LLMs.

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

GLM-4-Voice | Modelo de diálogo de voz ponta a ponta em chinês e inglês

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

Holistic Evaluation of Language Models (HELM) é um framework Python de código aberto criado pelo Center for Research on Foundation Models (CRFM) em Stanford para avaliação holística, reproduzível e transparente de modelos de fundação, incluindo grandes modelos de linguagem (LLMs) e modelos multimodais.

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

Mano-P: Agente GUI-VLA de código aberto para dispositivos de borda. #1 no OSWorld (especializado, 58.2%). Executa localmente no Apple M4 Mac mini/MacBook — nenhum dado sai do seu dispositivo. Mano-P é um projeto GUI-VLA de código aberto que suporta execução local no Mac mini/MacBook ou via stick de computação, realizando operações de automação GUI multiplataforma impulsionadas puramente por visão. Os dados são processados completamente localmente, suportando planejamento e execução de tarefas complexas de múltiplos passos.

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

Um Kit de Ferramentas de Código Aberto para Desenvolvimento de LLM

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

Navegar na web com GPT-4V e Vimium

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

[NeurIPS 2025] OmniSVG é a primeira família de geradores multimodais de SVG ponta a ponta que utilizam Modelos de Visão-Linguagem (VLMs) pré-treinados, capazes de gerar SVGs complexos e detalhados, desde ícones simples a personagens de anime intrincados.

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

IA de voz local em tempo real

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

Next-Token Prediction is All You Need

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

Uma coleção de coisas INCRÍVEIS sobre LLMs Relacionados a Grafos.

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

Biblioteca de OCR de Documentos para Markdown com Llama 3.2 vision

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

CLIP de Imagem e Vídeo de última geração, Modelos de Linguagem Grandes Multimodais e muito mais!

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

Perguntas Frequentes

1

Qual é o repositório de #multimodal-ai mais popular no GitHub?

O projeto de código aberto de #multimodal-ai mais bem classificado no GitHub é anthropics/claude-cookbooks, com 54,935 estrelas. Uma coleção de notebooks/receitas que mostram algumas formas divertidas e eficazes de usar o Claude.

2

Quais linguagens de programação são mais usadas nos repositórios de #multimodal-ai?

Entre os projetos de #multimodal-ai mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, JavaScript, Kotlin.

3

Como é calculada a classificação dos repositórios de #multimodal-ai?

Acompanhamos 191 repositórios ativos de código aberto marcados com #multimodal-ai (com mais de 500 estrelas), totalizando 589,873 estrelas e uma média de 3,088 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.