Git Stars Git Stars

#multimodal Repositórios

183
Total de Repositórios
700,629
Total de estrelas
3,828
Média de Estrelas/Repositório

183 repositórios no total

51
docarray/docarray

Representar, enviar, armazenar e pesquisar dados multimodais

docarray
⭐ 3,123 Python 👤 docarray Organization 🕐 Atualizado 2026-03-27 📅 Criado 2021-12-14
52
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive: Um Sistema Multimodal Abrangente para Interações de Vídeo e Áudio em Streaming de Longo Prazo

InternLM
⭐ 2,925 Python 👤 InternLM Organization 🕐 Atualizado 2025-05-26 📅 Criado 2023-09-26
53
datachain-ai/datachain

A camada de contexto para dados não estruturados: conjuntos de dados tipados e versionados sobre S3, GCS, Azure

datachain-ai
⭐ 2,831 Python 👤 datachain-ai Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-06-25
54
autodistill/autodistill

Imagens para inferência sem rotulagem (use modelos de base para treinar modelos supervisionados).

autodistill
⭐ 2,802 Python 👤 autodistill Organization 🕐 Atualizado 2026-09-29 📅 Criado 2023-06-06
55
rom1504/clip-retrieval

Calcule facilmente embeddings CLIP e construa um sistema de recuperação CLIP com eles

rom1504
⭐ 2,799 Jupyter Notebook 👤 rom1504 User 🕐 Atualizado 2026-03-28 📅 Criado 2021-06-07
56
roboflow/maestro

Otimizar o processo de ajuste fino para modelos multimodais: PaliGemma 2, Florence-2 e Qwen2.5-VL

roboflow
⭐ 2,696 Python 👤 roboflow Organization 🕐 Atualizado 2026-11-16 📅 Criado 2023-11-24
57
genieincodebottle/generative-ai

Recursos abrangentes sobre IA Generativa, incluindo um roteiro detalhado, projetos, casos de uso, preparação para entrevistas e preparação para codificação.

genieincodebottle
⭐ 2,675 Jupyter Notebook 👤 genieincodebottle User 🕐 Atualizado 2026-11-09 📅 Criado 2024-01-09
58
om-ai-lab/OmAgent

[EMNLP-2024] Construir agentes de linguagem multimodal para prototipagem e produção rápidas

om-ai-lab
⭐ 2,670 Python 👤 om-ai-lab Organization 🕐 Atualizado 2026-10-16 📅 Criado 2024-07-04
59
OFA-Sys/OFA

Repositório oficial do OFA (ICML 2022). Artigo: OFA: Unificando Arquiteturas, Tarefas e Modalidades Através de uma Estrutura Simples de Aprendizagem Sequência-para-Sequência

OFA-Sys
⭐ 2,550 Python 👤 OFA-Sys Organization 🕐 Atualizado 2024-04-24 📅 Criado 2022-01-29
60
X-PLUG/mPLUG-Owl

mPLUG-Owl: A Família Poderosa de Modelos de Linguagem Grandes Multimodais

X-PLUG
⭐ 2,541 Python 👤 X-PLUG Organization 🕐 Atualizado 2025-04-02 📅 Criado 2023-04-25
61
InternLM/HuixiangDou

HuixiangDou: Superando Cenários de Bate-papo em Grupo com Assistência Técnica Baseada em LLMs

InternLM
⭐ 2,500 Python 👤 InternLM Organization 🕐 Atualizado 2025-11-24 📅 Criado 2023-12-28
62
AI-Efficiency/Awesome-Model-Quantization

Uma coleção selecionada de artigos, benchmarks, revisões e ferramentas sobre quantização de modelos, abrangendo redes de poucos bits, LLMs, modelos multimodais e generativos, quantização vetorial e de reticulado, e implantação eficiente.

AI-Efficiency
⭐ 2,471 👤 AI-Efficiency Organization 🕐 Atualizado 2026-11-16 📅 Criado 2018-10-18
63
Yutong-Zhou-cv/Awesome-Text-to-Image

(ෆ`꒳´ෆ) Uma Pesquisa sobre Geração/Síntese de Texto para Imagem.

Yutong-Zhou-cv
⭐ 2,444 👤 Yutong-Zhou-cv User 🕐 Atualizado 2026-11-03 📅 Criado 2020-10-13
64
Stability-AI/stability-sdk

SDK para interagir com as APIs da stability.ai (por exemplo, inferência de difusão estável)

Stability-AI
⭐ 2,436 Jupyter Notebook 👤 Stability-AI Organization 🕐 Atualizado 2026-05-14 📅 Criado 2022-08-22
65
Turbo1123/roubao

Roubao 2.0 para iPhone: agente de IA de código aberto para iOS com controle da interface Micro-X autorizado pelo proprietário, modelos personalizados, tarefas retomáveis e relatórios em PDF. Não requer Wi-Fi, jailbreak, computador nem hardware adicional durante a execução (a configuração exige um Mac e conexão USB). A versão legada para Android foi mantida.

Turbo1123
⭐ 2,422 Swift 👤 Turbo1123 User 🕐 Atualizado 2026-11-09 📅 Criado 2025-12-09
66
OpenGVLab/InternVideo

[ECCV2024] Modelos Fundacionais de Vídeo e Dados para Compreensão Multimodal

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 Atualizado 2026-07-02 📅 Criado 2022-11-23
67
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer: Gere dados sintéticos de alta qualidade do zero ou a partir de dados semente.

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 Atualizado 2026-11-21 📅 Criado 2025-10-16
68
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl: Modelo de Linguagem Grande Multimodal Modularizado para Compreensão de Documentos

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 Atualizado 2025-05-30 📅 Criado 2023-07-04
69
HUANGCHIHHUNGLeo/claude-real-video

Deixe o Claude (ou qualquer LLM) realmente assistir a um vídeo — quadros com detecção de cena e sem duplicatas + transcrição, de uma URL ou arquivo local. Executa localmente, MIT.

HUANGCHIHHUNGLeo
⭐ 2,329 Python 👤 HUANGCHIHHUNGLeo User 🕐 Atualizado 2026-11-20 📅 Criado 2026-06-30
70
google-gemini/genai-processors

GenAI Processors é uma biblioteca Python leve que possibilita o processamento de conteúdo eficiente e paralelo.

google-gemini
⭐ 2,125 Python 👤 google-gemini Organization 🕐 Atualizado 2026-11-10 📅 Criado 2025-04-29
71
fikrikarim/parlor

IA multimodal em tempo real no dispositivo com recursos semelhantes ao GPT-Live

fikrikarim
⭐ 2,117 Python 👤 fikrikarim User 🕐 Atualizado 2026-08-03 📅 Criado 2026-04-05
72
showlab/Show-o

[ICLR & NeurIPS 2025] Repositório para a série Show-o, Um Único Transformer para Unificar Compreensão e Geração Multimodal.

showlab
⭐ 1,988 Python 👤 showlab Organization 🕐 Atualizado 2026-01-08 📅 Criado 2024-08-09
73
2U1/Qwen-VL-Series-Finetune

Uma implementação de código aberto para o ajuste fino da série Qwen-VL pela Alibaba Cloud.

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 Atualizado 2026-09-09 📅 Criado 2024-09-10
74
kyegomez/BitNet

Implementação de "BitNet: Escalando Transformers de 1 bit para Grandes Modelos de Linguagem" em pytorch

kyegomez
⭐ 1,949 Python 👤 kyegomez User 🕐 Atualizado 2026-11-16 📅 Criado 2023-10-18
75
sgl-project/sglang-omni

Ambiente de execução de alto desempenho para servir sistemas de superinteligência interativos

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-01-07
76
AlibabaResearch/AdvancedLiterateMachinery

Uma coleção de ideias e algoritmos originais e inovadores voltados para Máquinas Literatas Avançadas. Este projeto é mantido pela Equipe de OCR no Laboratório de Tecnologia de Linguagem, Tongyi Lab, Alibaba Group.

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 Atualizado 2026-03-17 📅 Criado 2022-09-28
77
potamides/DeTikZify

Sintetizando Programas Gráficos para Figuras Científicas e Esboços com TikZ.

potamides
⭐ 1,831 Python 👤 potamides User 🕐 Atualizado 2026-09-17 📅 Criado 2023-11-27
78
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
79
alan-ai/alan-sdk-android

O Sistema de Autocodificação para Seu Aplicativo — Alan AI SDK para Android

alan-ai
⭐ 1,815 👤 alan-ai Organization 🕐 Atualizado 2025-04-22 📅 Criado 2019-10-01
⭐ 1,795 Python 👤 microsoft Organization 🕐 Atualizado 2026-11-02 📅 Criado 2026-06-15
81
alan-ai/alan-sdk-flutter

O Sistema de Auto-Codificação para o Seu Aplicativo — Alan AI SDK para Flutter

alan-ai
⭐ 1,768 Ruby 👤 alan-ai Organization 🕐 Atualizado 2025-04-22 📅 Criado 2020-04-22
82
pixeltable/pixeltable

Os agentes de backend são desenvolvidos com: banco de dados multimodal, orquestração e serving em um único arquivo

pixeltable
⭐ 1,664 Python 👤 pixeltable Organization 🕐 Atualizado 2026-11-21 📅 Criado 2023-05-10
83
alan-ai/alan-sdk-ionic

O Sistema de Autocodificação para Seu Aplicativo — Alan AI SDK para Ionic

alan-ai
⭐ 1,661 TypeScript 👤 alan-ai Organization 🕐 Atualizado 2025-04-22 📅 Criado 2020-04-24
84
UbiquitousLearning/mllm

LLM Multimodal Rápido em Dispositivos Móveis

UbiquitousLearning
⭐ 1,643 C++ 👤 UbiquitousLearning User 🕐 Atualizado 2026-09-30 📅 Criado 2023-08-30
85
verl-project/verl-omni

Estrutura de treinamento RL multimodal para modelos de difusão e omni

verl-project
⭐ 1,560 Python 👤 verl-project Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-04-21
86
ATH-MaaS/Ovis

Uma nova arquitetura de Modelo de Linguagem Grande Multimodal (MLLM), projetada para alinhar estruturalmente embeddings visuais e textuais.

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 Atualizado 2026-07-15 📅 Criado 2024-06-13
87
valentinfrlch/ha-llmvision

Inteligência visual para a sua casa.

valentinfrlch
⭐ 1,535 Python 👤 valentinfrlch User 🕐 Atualizado 2026-11-12 📅 Criado 2024-05-14
88
emcf/thepipe

Obtenha dados limpos de documentos complexos, impulsionado por modelos de visão e linguagem ⚡

emcf
⭐ 1,529 Python 👤 emcf User 🕐 Atualizado 2026-09-28 📅 Criado 2024-03-22
89
jordanrendric/claude-video-vision

Dê ao Claude a capacidade de assistir e entender vídeos — plugin Claude Code com extração de quadros e análise multimodal de áudio

jordanrendric
⭐ 1,523 TypeScript 👤 jordanrendric User 🕐 Atualizado 2026-10-14 📅 Criado 2026-03-31
90
llm-jp/awesome-japanese-llm

Resumo de LLMs Japoneses - Visão Geral de LLMs Japoneses

llm-jp
⭐ 1,446 TypeScript 👤 llm-jp Organization 🕐 Atualizado 2026-11-09 📅 Criado 2023-07-09
91
xtreme1-io/xtreme1

Xtreme1 é uma plataforma de anotação e rotulagem de dados completa para treinamento de dados multimodais e suporta nuvem de pontos LiDAR 3D, imagem e LLM.

xtreme1-io
⭐ 1,395 TypeScript 👤 xtreme1-io Organization 🕐 Atualizado 2026-09-29 📅 Criado 2022-08-08
92
dailenson/SDT

Este repositório é a implementação oficial de Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)

dailenson
⭐ 1,393 Python 👤 dailenson User 🕐 Atualizado 2025-06-26 📅 Criado 2023-03-22
93
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
94
Capsize-Games/airunner

Motor de inferência offline para arte, conversas de voz em tempo real, chatbots com tecnologia LLM e fluxos de trabalho automatizados

Capsize-Games
⭐ 1,317 Python 👤 Capsize-Games Organization 🕐 Atualizado 2026-11-20 📅 Criado 2023-03-21
95
ysr666/dsh-vision-router

Visão para agentes DeepSeek Harness que trabalham somente com texto: cadeia de visão gratuita integrada (sem chave) + ferramentas de visão em nível de pixel (perguntas e respostas, grounding, recorte, diferença de pixels, cores, OCR, rastreamento SVG, recorte de objetos e capturas de tela). Instalação com um único comando, sem Python; os turnos com imagens funcionam como turnos comuns de chamada de ferramentas.

ysr666
⭐ 1,294 JavaScript 👤 ysr666 User 🕐 Atualizado 2026-11-21 📅 Criado 2026-08-13
96
Anionex/agent-vision-toolkit

Projete um melhor kit de ferramentas e habilidades visuais para modelos somente de texto "verem" imagens, suportando compreensão de múltiplas imagens, perguntas e respostas sobre imagens, restauração de UI frontend, automação de GUI, etc., com integração opcional e perfeita com vários agentes principais, e reconhecimento direto de imagens coladas | Um kit de ferramentas e habilidades visuais projetado para LLMs somente de texto: perguntas e respostas sobre imagens, OCR de capturas de tela longas, restauração de UI frontend e automação de GUI, com integração opcional e perfeita para Codex, Claude Code, Pi, Oh My Pi e OpenCode

Anionex
⭐ 1,267 Python 👤 Anionex User 🕐 Atualizado 2026-10-13 📅 Criado 2026-08-01
97
unum-cloud/UForm

Treinamento e inferência distribuídos para percepção multimodal: embeddings compartilhados para texto, imagens, vídeo, áudio, código e grafos, de 64 a 1.024 dimensões 🖼️

unum-cloud
⭐ 1,253 Cuda 👤 unum-cloud Organization 🕐 Atualizado 2026-11-18 📅 Criado 2023-02-21
98
Zen4-bit/Proxima

Servidor MCP Multi-AI - Conecte ChatGPT, Claude, Gemini e Perplexity às suas ferramentas de codificação sem nenhuma API

Zen4-bit
⭐ 1,220 JavaScript 👤 Zen4-bit User 🕐 Atualizado 2026-11-20 📅 Criado 2026-02-02
99
nv-tlabs/LLaMA-Mesh

Unificando a Geração de Malhas 3D com Modelos de Linguagem

nv-tlabs
⭐ 1,153 Python 👤 nv-tlabs Organization 🕐 Atualizado 2025-03-28 📅 Criado 2024-11-14
100
OpenMOSS/MOVA

Um modelo de base que gera vídeo e áudio sincronizados em um único modelo

OpenMOSS
⭐ 1,151 Python 👤 OpenMOSS Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-01-28