Git Stars Git Stars

#multimodal-ai Репозитории

191
Всего репозиториев
589,873
Всего звезд
3,088
Среднее количество звезд на репозиторий
Языки программирования: Python TypeScript Jupyter Notebook Java Go JavaScript

Всего репозиториев: 191

153
stepfun-ai/NextStep-1

[🚀 ICLR 2026 Oral] NextStep-1: SOTA автогенерация изображений с использованием непрерывных токенов. Исследовательский проект, разработанный командой StepFun Multimodal Intelligence.

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

Pusa: Модель диффузии видео Тысячи Временных Отрезков

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

Парсинг данных Twitter, поиск изображений на основе встраивания и многое другое.

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

Инструмент для исследования голоса/видео GPT-4/Gemini

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

Ming — обеспечивает передовые возможности мультимодального понимания и генерации, построенные на базе Ling LLM.

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

Agentic ADK — это фреймворк для разработки агентских приложений, выпущенный Alibaba International AI Business на базе Google-ADK и Ali-LangEngine.

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

Местная помощь Ollama и GPT, аналогичная OpenAI, для максимальной конфиденциальности и офлайн-доступа

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

Бесплатное интеллектуальное программное обеспечение для распознавания формул

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

[CVPR 2024] Panda-70M: Создание подписей для 70 миллионов видео с использованием нескольких кросс-модальных учителей

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

Фреймворк с открытым исходным кодом для разработки многомодальных разговорных агентов ИИ, работающих в реальном времени.

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

Курируемая подборка исследовательских работ, посвященных использованию LLM для задач, связанных с графами.

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

ComfyUI Lumi Batcher — это плагин расширения для пакетной обработки, разработанный для ComfyUI, с целью повышения эффективности отладки рабочих процессов. Традиционные методы отладки требуют пошаговой настройки параметров, в то время как этот инструмент значительно повышает эффективность работы благодаря возможностям пакетной обработки.

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

Официальная реализация "Lumina-mGPT: Освещение гибкой фотореалистичной генерации изображений по тексту с помощью мультимодального генеративного предварительного обучения"

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

Узлы ComfyUI для Janus-Pro, унифицированной платформы для мультимодального понимания и генерации.

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

HART: Эффективная визуальная генерация с помощью гибридного авторегрессионного трансформера

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

Мы собираем статьи о «больших языковых моделях (LLM) для задач, связанных с таблицами», например, об использовании LLM для задачи Table QA. Сбор статей, связанных с «Таблицей + LLM»

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

Общайтесь со своими документами с помощью моделей Vision Language. Этот репозиторий реализует сквозной RAG-конвейер как с локальными, так и с проприетарными VLM.

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

(CVPR 2025 highlight✨) Официальный репозиторий статьи "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"

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

Официальная реализация кода Vary-toy (Малая языковая модель встречает усиленный визуальный словарь)

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

Изучение аудиоконцепций с помощью естественного языкового надзора

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

Новый метод взаимодействия человека для извлечения речи в реальном времени на наушниках.

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

Официальный репозиторий для «Glyph: масштабирование контекстных окон с помощью визуально-текстовой компрессии»

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

Фреймворк, позволяющий донастраивать модели сопряжения "зрение-язык" на пользовательских наборах данных

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

Преобразовать веб-сервис Claude в API-сервис, поддерживающий распознавание изображений, загрузку файлов, вывод мыслей...

yushangxiao
⭐ 606 Go 👤 yushangxiao User 🕐 Обновлено 2025-07-01 📅 Создано 2025-03-25
182
generative-ai-on-aws/generative-ai-on-aws

Генеративный ИИ на AWS

generative-ai-on-aws
⭐ 604 Jupyter Notebook 👤 generative-ai-on-aws Organization 🕐 Обновлено 2024-10-09 📅 Создано 2023-08-24
184
hkproj/pytorch-paligemma

Создание мультимодальной (визуальной) языковой модели с нуля на PyTorch с полным объяснением: https://www.youtube.com/watch?v=vAmKB7iPkWw

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

Web Studio для анализа документов DeepSeek OCR "из коробки"

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

Веб-скрапинг с использованием GPT-4 Vision API и Puppeteer

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

[NeurIPS 2023] "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" - Официальные реализации

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

Llama3-Tutorial (XTuner, LMDeploy, OpenCompass)

SmartFlowAI
⭐ 511 Python 👤 SmartFlowAI Organization 🕐 Обновлено 2024-05-10 📅 Создано 2024-04-19