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

153
stepfun-ai/NextStep-1

[🚀 ICLR 2026 Oral] NextStep-1: Geração de Imagens Autogressive de Última Geração com Tokens Contínuos. Projeto de pesquisa desenvolvido pela equipe de Inteligência Multimodal do StepFun.

stepfun-ai
⭐ 696 Python 👤 stepfun-ai Organization 🕐 Atualizado 2026-02-27 📅 Criado 2025-08-14
154
Yaofang-Liu/Pusa-VidGen

Pusa: Modelo de Difusão de Vídeo de Mil Passos

Yaofang-Liu
⭐ 685 Python 👤 Yaofang-Liu User 🕐 Atualizado 2026-02-13 📅 Criado 2025-03-25
155
AlexZhangji/Twitter-Insight-LLM

Raspagem de dados do Twitter, pesquisa de imagens baseada em embeddings e muito mais.

AlexZhangji
⭐ 685 Jupyter Notebook 👤 AlexZhangji User 🕐 Atualizado 2024-04-17 📅 Criado 2024-03-05
156
gregsadetsky/sagittarius

Uma Ferramenta de Exploração de Voz/Vídeo GPT-4/Gemini

gregsadetsky
⭐ 685 TypeScript 👤 gregsadetsky User 🕐 Atualizado 2024-01-26 📅 Criado 2023-12-11
157
inclusionAI/Ming

Ming - facilitando recursos avançados de compreensão e geração multimodal construídos sobre o Ling LLM.

inclusionAI
⭐ 683 Jupyter Notebook 👤 inclusionAI Organization 🕐 Atualizado 2026-07-27 📅 Criado 2025-04-21
158
ATH-MaaS/Agentic-ADK

Agentic ADK é uma estrutura de desenvolvimento de aplicações de Agente lançada pela Alibaba International AI Business, baseada em Google-ADK e Ali-LangEngine.

ATH-MaaS
⭐ 683 Java 👤 ATH-MaaS Organization 🕐 Atualizado 2025-11-24 📅 Criado 2024-11-08
159
pfrankov/obsidian-local-gpt

Assistência de Ollama local e de GPTs semelhantes ao OpenAI para máxima privacidade e acesso offline

pfrankov
⭐ 678 TypeScript 👤 pfrankov User 🕐 Atualizado 2026-10-26 📅 Criado 2023-12-03
161
zstar1003/FreeTex

Um software gratuito e inteligente para reconhecimento de fórmulas

zstar1003
⭐ 668 Python 👤 zstar1003 User 🕐 Atualizado 2026-11-17 📅 Criado 2025-05-04
162
snap-research/Panda-70M

[CVPR 2024] Panda-70M: Legendar 70M Vídeos com Múltiplos Professores de Modalidade Cruzada

snap-research
⭐ 659 Python 👤 snap-research Organization 🕐 Atualizado 2024-10-25 📅 Criado 2024-02-14
163
videosdk-live/agents

Framework de código aberto para o desenvolvimento de agentes de IA conversacionais multimodais em tempo real.

videosdk-live
⭐ 657 Python 👤 videosdk-live Organization 🕐 Atualizado 2026-08-07 📅 Criado 2025-05-02
164
yhLeeee/Awesome-LLMs-in-Graph-tasks

Uma coleção selecionada de artigos de pesquisa que exploram a utilização de LLMs para tarefas relacionadas a grafos.

yhLeeee
⭐ 657 👤 yhLeeee User 🕐 Atualizado 2025-03-21 📅 Criado 2023-11-17
166
bytedance/comfyui-lumi-batcher

ComfyUI Lumi Batcher é um plugin de extensão de processamento em lote projetado para ComfyUI, visando melhorar a eficiência da depuração de fluxos de trabalho. Métodos de depuração tradicionais exigem o ajuste de parâmetros um por um, enquanto esta ferramenta melhora significativamente a eficiência do trabalho através de capacidades de processamento em lote.

bytedance
⭐ 651 TypeScript 👤 bytedance Organization 🕐 Atualizado 2026-10-10 📅 Criado 2025-05-29
167
Alpha-VLLM/Lumina-mGPT

Implementação Oficial de "Lumina-mGPT: Iluminando a Geração de Imagem para Texto Foto-realista Flexível com Pré-treinamento Generativo Multimodal"

Alpha-VLLM
⭐ 648 Python 👤 Alpha-VLLM Organization 🕐 Atualizado 2025-10-16 📅 Criado 2024-08-02
⭐ 647 Python 👤 Visual-Agent Organization 🕐 Atualizado 2026-02-26 📅 Criado 2025-10-31
169
CY-CHENYUE/ComfyUI-Janus-Pro

Nós ComfyUI para Janus-Pro, uma estrutura unificada de compreensão e geração multimodal.

CY-CHENYUE
⭐ 647 Python 👤 CY-CHENYUE User 🕐 Atualizado 2025-01-30 📅 Criado 2025-01-27
170
mit-han-lab/hart

HART: Geração Visual Eficiente com Transformer Autorregressivo Híbrido

mit-han-lab
⭐ 647 Python 👤 mit-han-lab Organization 🕐 Atualizado 2024-10-16 📅 Criado 2024-10-08
171
SpursGoZmy/Awesome-Tabular-LLMs

Coletamos artigos sobre "modelos de linguagem grandes (LLM) para tarefas relacionadas a tabelas", por exemplo, usando LLM para tarefas de QA de tabelas. Organização de artigos relacionados a 'Tabelas + LLM'

SpursGoZmy
⭐ 640 👤 SpursGoZmy User 🕐 Atualizado 2026-04-09 📅 Criado 2023-06-28
173
PromtEngineer/localGPT-Vision

Converse com seus documentos usando Modelos de Linguagem Visual. Este repositório implementa um pipeline RAG de ponta a ponta com VLMs locais e proprietários

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 Atualizado 2025-07-26 📅 Criado 2024-10-01
174
iSEE-Laboratory/LLMDet

(Destaque CVPR 2025✨) Repositório oficial do artigo "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"

iSEE-Laboratory
⭐ 628 Python 👤 iSEE-Laboratory Organization 🕐 Atualizado 2026-02-04 📅 Criado 2025-01-30
175
Ucas-HaoranWei/Vary-toy

Implementação oficial do código do Vary-toy (Modelo de Linguagem Pequeno Encontra Vocabulário de Visão Reforçado)

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 Atualizado 2024-12-30 📅 Criado 2024-01-10
176
microsoft/CLAP

Aprendendo conceitos de áudio a partir de supervisão de linguagem natural

microsoft
⭐ 625 Python 👤 microsoft Organization 🕐 Atualizado 2024-09-18 📅 Criado 2022-11-02
177
vb000/LookOnceToHear

Um novo método de interação humana para extração de fala em tempo real em fones de ouvido.

vb000
⭐ 615 Python 👤 vb000 User 🕐 Atualizado 2026-07-22 📅 Criado 2024-05-10
178
thu-coai/Glyph

Repositório oficial de "Glyph: Dimensionamento de Janelas de Contexto via Compressão Visual-Textual"

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 Atualizado 2025-11-04 📅 Criado 2025-10-20
180
levyflux/AViD

Estrutura que permite o ajuste fino de modelos de ancoragem visão-linguagem em conjuntos de dados personalizados

levyflux
⭐ 608 Python 👤 levyflux User 🕐 Atualizado 2026-08-30 📅 Criado 2025-03-19
181
yushangxiao/claude2api

Converter o serviço web do Claude em um serviço de API, suportando reconhecimento de imagem, upload de arquivos, saída de pensamento...

yushangxiao
⭐ 606 Go 👤 yushangxiao User 🕐 Atualizado 2025-07-01 📅 Criado 2025-03-25
⭐ 604 Jupyter Notebook 👤 generative-ai-on-aws Organization 🕐 Atualizado 2024-10-09 📅 Criado 2023-08-24
184
hkproj/pytorch-paligemma

Codificando um Modelo de Linguagem Multimodal (Visão) do zero em PyTorch com explicação completa: https://www.youtube.com/watch?v=vAmKB7iPkWw

hkproj
⭐ 579 Python 👤 hkproj User 🕐 Atualizado 2024-12-06 📅 Criado 2024-07-13
186
fufankeji/DeepSeek-OCR-Web

Web Studio de análise de documentos OCR DeepSeek pronto para uso

fufankeji
⭐ 568 TypeScript 👤 fufankeji User 🕐 Atualizado 2025-10-27 📅 Criado 2025-10-23
187
unconv/gpt4v-browsing

Web Scraping com GPT-4 Vision API e Puppeteer

unconv
⭐ 563 JavaScript 👤 unconv User 🕐 Atualizado 2024-01-31 📅 Criado 2023-11-24
189
luogen1996/LaVIN

[NeurIPS 2023] Implementações oficiais de "Barato e Rápido: Ajuste Eficiente de Instruções Visão-Linguagem para Grandes Modelos de Linguagem"

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 Atualizado 2024-01-27 📅 Criado 2023-05-15
190
SmartFlowAI/Llama3-Tutorial

Tutorial Llama3 (XTuner, LMDeploy, OpenCompass)

SmartFlowAI
⭐ 511 Python 👤 SmartFlowAI Organization 🕐 Atualizado 2024-05-10 📅 Criado 2024-04-19