Git Stars Git Stars

#multimodal-ai Repositórios

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

191 repositórios no total

51
ByteDance-Seed/VeOmni

VeOmni: Escalando o Treinamento de Modelos de Qualquer Modalidade com um Zoo de Receitas Distribuídas Centrado no Modelo

ByteDance-Seed
⭐ 2,299 Python 👤 ByteDance-Seed Organization 🕐 Atualizado 2026-11-21 📅 Criado 2025-03-28
52
ActiveVisionLab/Awesome-LLM-3D

Awesome-LLM-3D: uma lista selecionada de Recursos de Modelos de Linguagem Grande Multimodais no mundo 3D

ActiveVisionLab
⭐ 2,284 👤 ActiveVisionLab Organization 🕐 Atualizado 2026-04-16 📅 Criado 2023-12-15
53
Liuziyu77/Visual-RFT

Repositório oficial de 'Visual-RFT: Ajuste Fino de Reforço Visual' e 'Visual-ARFT: Ajuste Fino de Reforço Agêntico Visual'

Liuziyu77
⭐ 2,283 Jupyter Notebook 👤 Liuziyu77 User 🕐 Atualizado 2025-10-29 📅 Criado 2025-02-24
54
mrgoonie/claudekit-skills

Todas as poderosas habilidades de ClaudeKit.cc!

mrgoonie
⭐ 2,244 Python 👤 mrgoonie User 🕐 Atualizado 2026-04-03 📅 Criado 2025-10-23
55
microsoft/LLaVA-Med

Assistente de Linguagem e Visão de Grande Porte para a Biomedicina, construído com o objetivo de alcançar capacidades multimodais de nível GPT-4.

microsoft
⭐ 2,207 Python 👤 microsoft Organization 🕐 Atualizado 2025-06-04 📅 Criado 2023-05-20
56
LAION-AI/CLAP

Pré-treinamento Contrastivo de Linguagem-Áudio

LAION-AI
⭐ 2,167 Python 👤 LAION-AI Organization 🕐 Atualizado 2025-05-15 📅 Criado 2022-03-06
57
km1994/LLMsNineStoryDemonTower

【LLMs Nine-Story Demon Tower】Compartilhando práticas e experiências de LLMs nas áreas de Processamento de Linguagem Natural (ChatGLM, Chinese-LLaMA-Alpaca, Vicuna, LLaMA, GPT4ALL, etc.), Recuperação de Informação (langchain), Síntese de Linguagem, Reconhecimento de Linguagem, Multimodalidade (Stable Diffusion, MiniGPT-4, VisualGLM-6B, Ziya-Visual, etc.).

km1994
⭐ 2,140 👤 km1994 User 🕐 Atualizado 2024-03-30 📅 Criado 2023-05-01
58
shcherbak-ai/contextgem

Extraia dados estruturados e insights de documentos usando modelos de linguagem de grande porte e modelos de decisão

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-10-11
59
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5: Tornando VLMs de OCR leves mais rápidos e melhores

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Atualizado 2026-09-24 📅 Criado 2025-11-18
60
QwenLM/Qwen2-Audio

O repositório oficial do chat Qwen2-Audio e do modelo de linguagem de áudio grande pré-treinado proposto pela Alibaba Cloud.

QwenLM
⭐ 2,072 Python 👤 QwenLM Organization 🕐 Atualizado 2025-04-21 📅 Criado 2024-06-24
61
merveenoyan/smol-vision

Receitas para reduzir, otimizar e personalizar modelos de visão de ponta. 💜

merveenoyan
⭐ 2,004 Jupyter Notebook 👤 merveenoyan User 🕐 Atualizado 2026-08-12 📅 Criado 2024-03-13
62
NVIDIA-AI-Blueprints/video-search-and-summarization

O Blueprint de IA da NVIDIA para pesquisa e sumarização de vídeo (VSS) é uma arquitetura de referência acelerada por GPU para construir agentes de análise de vídeo com alertas verificados em tempo real, perguntas e respostas visuais e relatórios automatizados. O Blueprint VSS usa modelos de linguagem visual (VLM) como NVIDIA Cosmos, LLMs como NVIDIA Nemotron, RAG e NVIDIA NIM.

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-10-22
63
chn-lee-yumi/MaterialSearch

Pesquisa semântica. Pesquise fotos e vídeos locais através da linguagem natural. A busca semântica de IA permite pesquisar mídias locais por meio de pesquisa por imagem, encontrar conteúdos locais, combinar cenas com descrições de texto, realizar pesquisa por quadros de vídeo e pesquisar vídeos com base em descrições visuais.

chn-lee-yumi
⭐ 1,998 HTML 👤 chn-lee-yumi User 🕐 Atualizado 2026-09-21 📅 Criado 2023-03-16
65
kimjammer/Neuro

Uma recriação de Neuro-Sama originalmente criada em 7 dias.

kimjammer
⭐ 1,960 Python 👤 kimjammer User 🕐 Atualizado 2025-01-17 📅 Criado 2024-01-07
66
microsoft/Magma

[CVPR 2025] Magma: Um Modelo Fundamental para Agentes de IA Multimodais

microsoft
⭐ 1,948 Python 👤 microsoft Organization 🕐 Atualizado 2026-03-03 📅 Criado 2024-11-22
67
gpt-omni/mini-omni2

Rumo ao GPT-4o de código aberto, com capacidades de visão, fala e duplex.

gpt-omni
⭐ 1,896 Python 👤 gpt-omni Organization 🕐 Atualizado 2025-01-16 📅 Criado 2024-10-14
68
ivanfioravanti/chatbot-ollama

Chatbot Ollama é uma interface de chat de código aberto para Ollama.

ivanfioravanti
⭐ 1,892 TypeScript 👤 ivanfioravanti User 🕐 Atualizado 2025-09-05 📅 Criado 2023-10-01
69
RanFeng/clipsketch-ai

Transforme momentos de vídeo em histórias desenhadas à mão

RanFeng
⭐ 1,883 TypeScript 👤 RanFeng User 🕐 Atualizado 2026-01-14 📅 Criado 2025-11-27
70
AutoArk/EVA-OS

EVA OS — Um AIOS multimodal em tempo real para hardware de próxima geração, permitindo que seus dispositivos estejam "vivos" e sejam tão inteligentes quanto um cérebro real.

AutoArk
⭐ 1,875 👤 AutoArk Organization 🕐 Atualizado 2026-08-03 📅 Criado 2025-11-26
71
Audio-AGI/AudioSep

Implementação oficial de "Separate Anything You Describe"

Audio-AGI
⭐ 1,857 Python 👤 Audio-AGI Organization 🕐 Atualizado 2024-11-26 📅 Criado 2023-08-08
72
facebookresearch/MetaCLIP

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

facebookresearch
⭐ 1,856 Python 👤 facebookresearch Organization 🕐 Atualizado 2026-08-11 📅 Criado 2023-09-28
73
Core-Mate/OpenGUI

OpenGUI é um framework de agente de GUI para Android voltado para IA em celulares, capaz de ver, planejar e operar aplicativos móveis reais através da interface gráfica.

Core-Mate
⭐ 1,814 HTML 👤 Core-Mate Organization 🕐 Atualizado 2026-11-16 📅 Criado 2026-04-18
74
apple-aiml-research/ml-4m

4M: Modelagem Mascarada Massivamente Multimodal

apple-aiml-research
⭐ 1,814 Python 👤 apple-aiml-research Organization 🕐 Atualizado 2026-09-11 📅 Criado 2024-04-08
76
kijai/ComfyUI-Florence2

Inferência Microsoft Florence2 VLM

kijai
⭐ 1,764 Python 👤 kijai User 🕐 Atualizado 2026-05-06 📅 Criado 2024-06-19
77
facebookresearch/multimodal

TorchMultimodal é uma biblioteca PyTorch para treinar modelos multitarefa multimodais de última geração em escala.

facebookresearch
⭐ 1,747 Python 👤 facebookresearch Organization 🕐 Atualizado 2026-11-16 📅 Criado 2022-01-27
79
JiuhaiChen/BLIP3o

Implementação oficial da série BLIP3o

JiuhaiChen
⭐ 1,667 Python 👤 JiuhaiChen User 🕐 Atualizado 2025-11-29 📅 Criado 2025-04-23
80
waybarrios/vllm-mlx

Servidor de inferência de LLM de alto desempenho compatível com OpenAI e Anthropic para Apple Silicon. MLX nativo, processamento em lote contínuo, modelos multimodais, chamadas de ferramentas MCP e suporte a Claude Code.

waybarrios
⭐ 1,657 Python 👤 waybarrios User 🕐 Atualizado 2026-11-07 📅 Criado 2025-12-06
82
baaivision/Emu3.5

Modelos Multimodais Nativos são Aprendizes do Mundo

baaivision
⭐ 1,567 Python 👤 baaivision Organization 🕐 Atualizado 2025-12-30 📅 Criado 2025-10-29
83
microsoft/SoM

[arXiv 2023] Prompting de Conjunto de Marcas para GPT-4V e LMMs

microsoft
⭐ 1,499 Python 👤 microsoft Organization 🕐 Atualizado 2024-08-19 📅 Criado 2023-10-16
84
Nutlope/napkins

napkins.dev – do screenshot ao aplicativo

Nutlope
⭐ 1,484 TypeScript 👤 Nutlope User 🕐 Atualizado 2026-10-23 📅 Criado 2024-09-18
86
zstar1003/ragflow-plus

Ragflow-Plus é uma versão de desenvolvimento secundário do Ragflow, tornando-o mais conciso e prático

zstar1003
⭐ 1,471 Python 👤 zstar1003 User 🕐 Atualizado 2026-11-18 📅 Criado 2025-03-24
87
0nutation/SpeechGPT

Série SpeechGPT: Modelos de Linguagem Grandes de Fala

0nutation
⭐ 1,397 Python 👤 0nutation User 🕐 Atualizado 2024-07-22 📅 Criado 2023-05-16
88
IDEA-Research/awesome-detection-transformer

Coletar alguns artigos sobre transformer para detecção e segmentação. Transformer de Detecção Incrível para Visão Computacional (CV)

IDEA-Research
⭐ 1,392 👤 IDEA-Research Organization 🕐 Atualizado 2024-07-04 📅 Criado 2022-03-09
89
gokayfem/awesome-vlm-architectures

Catálogo visual selecionado com mais de 200 arquiteturas de modelos de visão e linguagem (VLM/MLLM): artigos, diagramas, receitas de treinamento, conjuntos de dados e cronologia de lançamento de agentes de IA multimodais.

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Atualizado 2026-10-27 📅 Criado 2024-02-15
90
poe-platform/server-bot-quick-start

Tutorial para bots de servidor Poe

poe-platform
⭐ 1,347 Python 👤 poe-platform Organization 🕐 Atualizado 2026-11-16 📅 Criado 2023-05-10
91
gavrielc/Nano-PDF

Editar arquivos PDF com Nano Banana

gavrielc
⭐ 1,331 Python 👤 gavrielc User 🕐 Atualizado 2025-12-03 📅 Criado 2025-11-28
92
ConardLi/easy-llm-cli

Um agente de IA de código aberto que é compatível com múltiplos modelos LLM

ConardLi
⭐ 1,319 TypeScript 👤 ConardLi User 🕐 Atualizado 2026-02-05 📅 Criado 2025-07-11
93
Meituan-AutoML/MobileVLM

Assistente de Linguagem Visual Forte e Aberto para Dispositivos Móveis

Meituan-AutoML
⭐ 1,317 Python 👤 Meituan-AutoML Organization 🕐 Atualizado 2024-04-15 📅 Criado 2023-12-29
94
hemingkx/SpeculativeDecodingPapers

📰 Artigos e blogs imperdíveis sobre Decodificação Especulativa ⚡️

hemingkx
⭐ 1,309 👤 hemingkx User 🕐 Atualizado 2026-06-27 📅 Criado 2023-09-20
95
JMAN730/opendroid

Seu agente autônomo aberto para Android — um assistente de IA pronto para produção, autoplanejador, alimentado por LLMs locais/remotos e automação de tela baseada em acessibilidade.

JMAN730
⭐ 1,300 Kotlin 👤 JMAN730 User 🕐 Atualizado 2026-11-10 📅 Criado 2026-05-21
96
opendatalab/LabelLLM

A Plataforma de Anotação de Dados de Código Aberto

opendatalab
⭐ 1,298 TypeScript 👤 opendatalab Organization 🕐 Atualizado 2026-07-02 📅 Criado 2024-05-07
⭐ 1,293 Python 👤 Visual-Agent Organization 🕐 Atualizado 2025-11-20 📅 Criado 2025-03-15
98
aiming-lab/Agent0

[ICML'26 & COLM'26] Série Agent0: Agentes autoevolutivos a partir de dados zero

aiming-lab
⭐ 1,292 Python 👤 aiming-lab Organization 🕐 Atualizado 2026-07-10 📅 Criado 2025-10-20
99
OpenTSLM/OpenTSLM

OpenTSLM: Modelos de Linguagem de Séries Temporais para Raciocínio sobre Dados Multivariados de Texto Médico e Séries Temporais

OpenTSLM
⭐ 1,273 Python 👤 OpenTSLM Organization 🕐 Atualizado 2026-07-21 📅 Criado 2025-05-14
100
VILA-Lab/Awesome-DLMs

O repositório oficial do GitHub para o artigo de pesquisa "A Survey on Diffusion Language Models".

VILA-Lab
⭐ 1,252 👤 VILA-Lab Organization 🕐 Atualizado 2026-10-02 📅 Criado 2025-07-14