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

101
Azure/AzurePublicDataset

Microsoft Azure Traces

Azure
⭐ 1,231 Jupyter Notebook 👤 Azure Organization 🕐 Atualizado 2026-11-17 📅 Criado 2017-08-18
102
liliu-avril/Awesome-Segment-Anything

Este repositório é para a primeira pesquisa abrangente sobre o Modelo Segment Anything (SAM) da Meta AI.

liliu-avril
⭐ 1,227 👤 liliu-avril User 🕐 Atualizado 2026-11-21 📅 Criado 2023-05-16
104
googleapis/go-genai

O Google Gen AI Go SDK oferece uma interface para que os desenvolvedores integrem os modelos generativos do Google em seus aplicativos Go.

googleapis
⭐ 1,210 Go 👤 googleapis Organization 🕐 Atualizado 2026-11-20 📅 Criado 2024-12-06
105
MoonshotAI/Kimi-VL

Kimi-VL: Modelo de Visão-Linguagem com Mistura de Especialistas para Raciocínio Multimodal, Compreensão de Contexto Longo e Fortes Capacidades de Agente

MoonshotAI
⭐ 1,203 👤 MoonshotAI Organization 🕐 Atualizado 2025-07-15 📅 Criado 2025-04-09
106
visual-openllm/visual-openllm

algo como visual-chatgpt, a versão de código aberto do Wenxin Yiyan

visual-openllm
⭐ 1,201 Python 👤 visual-openllm Organization 🕐 Atualizado 2024-02-24 📅 Criado 2023-03-26
108
UMass-Embodied-AGI/3D-LLM

Código para 3D-LLM: Injetando o Mundo 3D em Modelos de Linguagem Grandes

UMass-Embodied-AGI
⭐ 1,166 Python 👤 UMass-Embodied-AGI Organization 🕐 Atualizado 2024-06-06 📅 Criado 2023-07-24
109
YUANZHUO-BNU/metahuman_overview

Compilação de Dados do Humano Digital

YUANZHUO-BNU
⭐ 1,143 👤 YUANZHUO-BNU Organization 🕐 Atualizado 2025-01-08 📅 Criado 2023-09-05
110
ATH-MaaS/Pixelle-MCP

Uma Solução AIGC Multimodal de Código Aberto baseada em ComfyUI + MCP + LLM https://pixelle.ai

ATH-MaaS
⭐ 1,131 Python 👤 ATH-MaaS Organization 🕐 Atualizado 2025-12-17 📅 Criado 2025-07-28
112
XiaomiMiMo/MiMo-Audio

MiMo-Audio: Modelos de Linguagem de Áudio são Aprendizes de Poucos Exemplos

XiaomiMiMo
⭐ 1,095 Python 👤 XiaomiMiMo Organization 🕐 Atualizado 2026-10-29 📅 Criado 2025-09-19
113
Alpha-VLLM/Lumina-mGPT-2.0

Lumina-mGPT 2.0: Modelagem de Imagem Autorregressiva Autônoma

Alpha-VLLM
⭐ 1,081 Python 👤 Alpha-VLLM Organization 🕐 Atualizado 2025-11-03 📅 Criado 2025-04-03
114
trailofbits/anamorpher

ataques de escalonamento de imagem para injeção de prompt multimodal

trailofbits
⭐ 1,079 Python 👤 trailofbits Organization 🕐 Atualizado 2026-05-19 📅 Criado 2025-08-20
115
ddupont808/GPT-4V-Act

Agente de IA usando GPT-4V(ision) capaz de usar um mouse/teclado para interagir com interfaces de usuário web

ddupont808
⭐ 1,062 JavaScript 👤 ddupont808 User 🕐 Atualizado 2024-12-09 📅 Criado 2023-10-21
116
OSU-NLP-Group/Mind2Web

[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- o primeiro agente web baseado em LLM e benchmark para agentes web generalistas

OSU-NLP-Group
⭐ 1,036 Jupyter Notebook 👤 OSU-NLP-Group Organization 🕐 Atualizado 2025-11-05 📅 Criado 2023-04-21
117
google-gemini/nano-banana-hackathon-kit

🍌 O kit inicial oficial para o Nano Banana Hackathon. Clone este repositório para começar a criar rapidamente!

google-gemini
⭐ 1,028 Jupyter Notebook 👤 google-gemini Organization 🕐 Atualizado 2025-09-08 📅 Criado 2025-09-04
118
JackAILab/ConsistentID

[TPAMI 2026] ConsistentID: Geração de Retratos com Preservação de Identidade Multimodal de Granularidade Fina

JackAILab
⭐ 1,026 Python 👤 JackAILab User 🕐 Atualizado 2026-01-02 📅 Criado 2024-04-15
119
dtsola/xiaoyaosearch

Xiaoyao Search: Entende suas palavras, lê suas imagens e encontra qualquer arquivo local com IA, tornando a busca tão simples quanto conversar.

dtsola
⭐ 1,023 Python 👤 dtsola User 🕐 Atualizado 2026-11-18 📅 Criado 2025-11-11
121
disler/always-on-ai-assistant

Um padrão para um Assistente de IA sempre ativo, alimentado por Deepseek-V3, RealtimeSTT e Typer, para engenharia

disler
⭐ 991 Python 👤 disler User 🕐 Atualizado 2025-01-12 📅 Criado 2025-01-12
122
lancedb/vectordb-recipes

Recursos, exemplos e tutoriais para IA multimodal, RAG e agentes usando pesquisa vetorial e LLMs

lancedb
⭐ 991 Jupyter Notebook 👤 lancedb Organization 🕐 Atualizado 2026-11-04 📅 Criado 2023-06-25
123
tech-shrimp/gemini-playground

Implante um site de chat multimodal Gemini em 10 segundos, Serverless! Basta ter uma Chave API do Gemini e, em 10 segundos, você pode implementar um site de diálogo multimodal Gemini.

tech-shrimp
⭐ 977 JavaScript 👤 tech-shrimp User 🕐 Atualizado 2026-01-23 📅 Criado 2025-01-03
124
microsoft/MM-REACT

Repositório oficial para MM-REACT

microsoft
⭐ 965 Python 👤 microsoft Organization 🕐 Atualizado 2026-10-26 📅 Criado 2023-03-15
125
facebookresearch/spiritlm

Código de inferência para o artigo "Spirit-LM Interleaved Spoken and Written Language Model".

facebookresearch
⭐ 926 Python 👤 facebookresearch Organization 🕐 Atualizado 2024-10-28 📅 Criado 2024-09-06
127
TencentARC/SEED-Story

SEED-Story: Geração multimodal de histórias longas com modelo de linguagem grande

TencentARC
⭐ 879 Python 👤 TencentARC Organization 🕐 Atualizado 2024-10-11 📅 Criado 2024-07-10
128
InternLM/Intern-S1

Um Modelo Fundamental Multimodal Científico

InternLM
⭐ 876 👤 InternLM Organization 🕐 Atualizado 2026-09-13 📅 Criado 2025-07-25
129
DirtyHarryLYL/LLM-in-Vision

Trabalhos recentes de CV baseados em LLM e projetos relacionados. Comentários/contribuições são bem-vindos!

DirtyHarryLYL
⭐ 868 👤 DirtyHarryLYL User 🕐 Atualizado 2025-03-08 📅 Criado 2023-03-10
130
IDEA-Research/Motion-X

[NeurIPS 2023] Implementação oficial do artigo "Motion-X: Um Conjunto de Dados de Movimento Humano de Corpo Inteiro Expressivo 3D em Larga Escala"

IDEA-Research
⭐ 863 Python 👤 IDEA-Research Organization 🕐 Atualizado 2025-03-03 📅 Criado 2023-06-12
131
RiseInRose/MiniGPT-4-ZH

Tradução da Implantação em Chinês do MiniGPT-4: Aperfeiçoamento dos Detalhes de Implantação

RiseInRose
⭐ 859 Python 👤 RiseInRose User 🕐 Atualizado 2026-05-09 📅 Criado 2023-04-19
133
allenai/molmo

Código para o Modelo de Visão-Linguagem Molmo

allenai
⭐ 851 Python 👤 allenai Organization 🕐 Atualizado 2024-12-12 📅 Criado 2024-12-05
134
jrin771/Everything-LLMs-And-Robotics

O maior Repositório GitHub do mundo para LLMs + Robótica

jrin771
⭐ 850 👤 jrin771 User 🕐 Atualizado 2024-07-14 📅 Criado 2023-05-10
135
TideDra/lmm-r1

Estender o OpenRLHF para suportar o treinamento RL de LMM para a reprodução do DeepSeek-R1 em tarefas multimodais.

TideDra
⭐ 843 Python 👤 TideDra User 🕐 Atualizado 2025-05-14 📅 Criado 2025-02-13
136
GAIR-NLP/anole

[Versão estendida ICLR 2025 Blog Track] Anole: Modelos multimodais abertos, autoregressivos e nativos para geração de imagem-texto intercalada

GAIR-NLP
⭐ 841 Python 👤 GAIR-NLP Organization 🕐 Atualizado 2025-06-16 📅 Criado 2024-07-01
137
vimalabs/VIMA

Implementação Oficial do Algoritmo do Artigo da ICML'23 "VIMA: Manipulação Robótica Geral com Prompts Multimodais"

vimalabs
⭐ 841 Python 👤 vimalabs Organization 🕐 Atualizado 2024-04-18 📅 Criado 2022-10-07
138
OpenMOSS/MOSS-VL

Uma série de modelos de 11B com pesos abertos para compreensão de vídeos longos e em tempo real

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 Atualizado 2026-10-14 📅 Criado 2026-04-08
139
CodeGoat24/UnifiedReward

Implementação oficial de UnifiedReward e [NeurIPS 2025] UnifiedReward-Think e UnifiedReward-Flex

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 Atualizado 2026-06-18 📅 Criado 2025-03-04
140
nvidia-cosmos/cosmos-transfer1

Cosmos-Transfer1 é um modelo de transferência de mundo a mundo projetado para preencher a lacuna perceptual entre ambientes simulados e do mundo real.

nvidia-cosmos
⭐ 830 Python 👤 nvidia-cosmos Organization 🕐 Atualizado 2026-10-15 📅 Criado 2025-03-02
141
iwyxdxl/WeChatBot_WXAUTO_SE

【Parada de manutenção】Ferramenta de agregação de diálogos LLM API. Repositório do projeto original: https://github.com/KouriChat/KouriChat Este projeto foi modificado e criado por iwyxdxl com base no projeto original. Apenas para fins de aprendizado, cumpra as regras, não integre a plataformas públicas nem utilize em qualquer atividade de produção.

iwyxdxl
⭐ 816 Python 👤 iwyxdxl User 🕐 Atualizado 2026-01-15 📅 Criado 2025-03-07
142
webmachinelearning/prompt-api

💬 Uma proposta para uma API web para solicitar modelos de linguagem fornecidos pelo navegador

webmachinelearning
⭐ 797 Bikeshed 👤 webmachinelearning Organization 🕐 Atualizado 2026-11-09 📅 Criado 2024-07-01
144
mlfoundations/datacomp

DataComp: Em busca da próxima geração de datasets multimodais

mlfoundations
⭐ 780 Python 👤 mlfoundations Organization 🕐 Atualizado 2025-04-28 📅 Criado 2023-04-28
145
ModalMinds/MM-EUREKA

MM-EUREKA: Explorando as Fronteiras do Raciocínio Multimodal com Aprendizado por Reforço Baseado em Regras

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 Atualizado 2025-09-07 📅 Criado 2025-03-07
146
MewCo-AI/mewco_ai_assistant_comm

Edição Comunitária do Assistente de IA Fengyun

MewCo-AI
⭐ 756 Python 👤 MewCo-AI Organization 🕐 Atualizado 2026-06-12 📅 Criado 2024-07-09
147
Ruixxxx/Awesome-Vision-Mamba-Models

[Repositório Oficial] Visual Mamba: Um Levantamento e Novas Perspectivas

Ruixxxx
⭐ 753 👤 Ruixxxx User 🕐 Atualizado 2026-08-17 📅 Criado 2024-04-09
148
IDEA-Research/OpenSeeD

[ICCV 2023] Implementação oficial do artigo "Uma Estrutura Simples para Segmentação e Detecção de Vocabulário Aberto"

IDEA-Research
⭐ 745 Python 👤 IDEA-Research Organization 🕐 Atualizado 2024-01-22 📅 Criado 2023-03-14
149
chflame163/ComfyUI_LayerStyle_Advance

Os nós desanexados de [ComfyUI Layer Style](https://github.com/chflame163/ComfyUI_LayerStyle) são principalmente aqueles com requisitos complexos para pacotes de dependência.

chflame163
⭐ 724 Python 👤 chflame163 User 🕐 Atualizado 2026-09-18 📅 Criado 2024-12-05
150
ComfyUI-Workflow/awesome-comfyui

Uma coleção de nós personalizados incríveis para ComfyUI

ComfyUI-Workflow
⭐ 724 Python 👤 ComfyUI-Workflow Organization 🕐 Atualizado 2025-07-24 📅 Criado 2024-10-05