Git Stars Git Stars

#multimodal-llm Repositórios

Descubra 27 repositórios ativos de código aberto no GitHub marcados com #multimodal-llm, acumulando um total de 63,138 estrelas (uma média de 2,338 por projeto). O líder deste tópico é anthropics/courses, com 22,833 estrelas.

27
Total de Repositórios
63,138
Total de estrelas
2,338
Média de Estrelas/Repositório

27 repositórios no total

1
anthropics/courses

Cursos educativos da Anthropic

anthropics
⭐ 22,833 Jupyter Notebook 👤 anthropics Organization 🕐 Atualizado 2026-08-28 📅 Criado 2024-05-30
2
MoonshotAI/Kimi-Audio

Kimi-Audio, um modelo de fundação de áudio de código aberto que se destaca na compreensão, geração e conversação de áudio

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 Atualizado 2025-06-21 📅 Criado 2025-04-25
4
gpt-omni/mini-omni

modelo de linguagem grande multimodal de código aberto que pode ouvir, falar enquanto pensa. Apresentando capacidades conversacionais de entrada de fala em tempo real de ponta a ponta e saída de áudio em streaming.

gpt-omni
⭐ 3,504 Python 👤 gpt-omni Organization 🕐 Atualizado 2024-11-05 📅 Criado 2024-08-27
5
Everlyn-Labs/Everlyn-1

O primeiro modelo de IA de vídeo fundamental autorregressivo aberto.

Everlyn-Labs
⭐ 2,891 👤 Everlyn-Labs Organization 🕐 Atualizado 2026-10-07 📅 Criado 2024-10-13
6
chatdoc-com/OCRFlux

OCRFlux é um kit de ferramentas multimodal leve, porém poderoso, que avança significativamente a conversão de PDF para Markdown, destacando-se no tratamento de layouts complexos, análise de tabelas complicadas e fusão de conteúdo entre páginas.

chatdoc-com
⭐ 2,532 Python 👤 chatdoc-com Organization 🕐 Atualizado 2026-04-14 📅 Criado 2025-06-04
7
MoonshotAI/Kimi-K2.5

Inteligência Agêntica Visual Aberta

MoonshotAI
⭐ 2,321 👤 MoonshotAI Organization 🕐 Atualizado 2026-08-06 📅 Criado 2026-01-30
8
FireRedTeam/FireRedASR

Modelos ASR de código aberto de nível industrial que suportam mandarim, dialetos chineses e inglês, alcançando um novo SOTA em benchmarks públicos de ASR em mandarim, ao mesmo tempo que oferecem capacidade excepcional de reconhecimento de letras de músicas.

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 Atualizado 2026-02-25 📅 Criado 2025-01-24
9
Tencent/WeMM-Embedding

WeMM-Embedding é uma família de modelos universais de incorporação multimodal desenvolvida pela equipe WeChat Vision da Tencent, com suporte para compreensão e recuperação multimodal.

Tencent
⭐ 1,824 Python 👤 Tencent Organization 🕐 Atualizado 2026-10-29 📅 Criado 2026-08-25
10
OpenBMB/AgentCPM-GUI

AgentCPM-GUI: Um agente de GUI no dispositivo para operar aplicativos Android, aprimorando a capacidade de raciocínio com ajuste fino de reforço para execução eficiente de tarefas.

OpenBMB
⭐ 1,431 Python 👤 OpenBMB Organization 🕐 Atualizado 2026-01-11 📅 Criado 2025-05-13
11
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
12
DLYuanGod/TinyGPT-V

TinyGPT-V: Modelo de Linguagem Grande Multimodal Eficiente via Backbones Pequenos

DLYuanGod
⭐ 1,313 Python 👤 DLYuanGod User 🕐 Atualizado 2026-02-05 📅 Criado 2023-12-28
13
DAMO-NLP-SG/VideoLLaMA2

VideoLLaMA 2: Avançando a Modelagem Espaço-Temporal e a Compreensão de Áudio em Vídeo-LLMs

DAMO-NLP-SG
⭐ 1,298 Python 👤 DAMO-NLP-SG Organization 🕐 Atualizado 2025-01-23 📅 Criado 2024-05-31
14
HITsz-TMG/Uni-MoE

Uni-MoE: A Família de Modelos Multimodais Grandes da Lychee.

HITsz-TMG
⭐ 1,120 Python 👤 HITsz-TMG Organization 🕐 Atualizado 2026-08-06 📅 Criado 2024-03-04
15
ZJUI-AI4H/Hulu-Med

Um Modelo Generalista Transparente para a Compreensão Holística de Visão-Linguagem Médica

ZJUI-AI4H
⭐ 1,031 Python 👤 ZJUI-AI4H User 🕐 Atualizado 2026-08-30 📅 Criado 2025-10-08
16
tulerfeng/Video-R1

Video-R1: Reforçando o Raciocínio de Vídeo em MLLMs [🔥o primeiro artigo a explorar o R1 para vídeo]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 Atualizado 2025-12-14 📅 Criado 2025-02-22
17
UCSB-AI/MiniGPT-5

Implementação oficial do artigo "MiniGPT-5: Geração Intercalada de Visão e Linguagem via Vokens Generativos"

UCSB-AI
⭐ 865 Python 👤 UCSB-AI Organization 🕐 Atualizado 2025-05-08 📅 Criado 2023-10-02
18
ngafar/llama-scan

Transcrever PDFs com LLMs locais

ngafar
⭐ 807 Python 👤 ngafar User 🕐 Atualizado 2026-10-22 📅 Criado 2025-06-11
19
FireRedTeam/FireRedASR2S

Um sistema ASR All-in-One de nível industrial SOTA com módulos ASR, VAD, LID e Punc. O FireRedASR2 suporta chinês (mandarim, 20+ dialetos/sotaques), inglês, alternância de código e ASR tanto para fala quanto para canto. O FireRedVAD suporta fala/canto/música em 100+ idiomas. O FireRedLID suporta 100+ idiomas e 20+ dialetos chineses. O FireRedPunc suporta chinês e inglês.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Atualizado 2026-06-02 📅 Criado 2026-02-12
21
showlab/videollm-online

VideoLLM-online: Modelo de Linguagem Grande de Vídeo Online para Streaming de Vídeo (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Atualizado 2025-11-26 📅 Criado 2024-06-17
22
penghao-wu/vstar

Implementação em PyTorch de "V* : Busca Visual Guiada como um Mecanismo Central em LLMs Multimodais"

penghao-wu
⭐ 684 Python 👤 penghao-wu User 🕐 Atualizado 2024-01-07 📅 Criado 2023-12-15
23
Zeyi-Lin/LLM-Finetune

Ajuste fino de Grandes Modelos de Linguagem, ajuste fino de instruções para Qwen2VL, Qwen2, GLM4

Zeyi-Lin
⭐ 644 Jupyter Notebook 👤 Zeyi-Lin User 🕐 Atualizado 2025-05-26 📅 Criado 2024-06-10
24
ShaohonChen/Qwen3-SmVL

Foi realizado o ajuste fino concatenado (fine-tuning) da cabeça visual do SmolVLM2 com o modelo Qwen3-0.6B.

ShaohonChen
⭐ 608 Python 👤 ShaohonChen User 🕐 Atualizado 2025-09-08 📅 Criado 2025-07-12
25
jy0205/LaVIT

LaVIT: Capacitar o Grande Modelo de Linguagem para Compreender e Gerar Conteúdo Visual

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 Atualizado 2024-10-06 📅 Criado 2023-09-09
26
omarcusdev/zap-gpt-free

Este projeto explora a integração do ChatGPT com o WhatsApp, transformando o chatbot em um assistente virtual capaz de realizar tarefas como falar com amigos, responder a perguntas de clientes, e muito mais, com um toque de humanização nas conversas.

omarcusdev
⭐ 597 TypeScript 👤 omarcusdev User 🕐 Atualizado 2024-12-07 📅 Criado 2024-01-09
27
OpenGVLab/VideoChat-Flash

[ICLR2026] VideoChat-Flash: Compressão hierárquica para a modelagem de vídeo de longo contexto

OpenGVLab
⭐ 532 Python 👤 OpenGVLab Organization 🕐 Atualizado 2026-07-19 📅 Criado 2024-03-24

Perguntas Frequentes

1

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

O projeto de código aberto de #multimodal-llm mais bem classificado no GitHub é anthropics/courses, com 22,833 estrelas. Cursos educativos da Anthropic

2

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

Entre os projetos de #multimodal-llm mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Markdown, TypeScript.

3

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

Acompanhamos 27 repositórios ativos de código aberto marcados com #multimodal-llm (com mais de 500 estrelas), totalizando 63,138 estrelas e uma média de 2,338 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.