Git Stars Git Stars

#multimodal-llm Репозитории

Откройте для себя 27 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #multimodal-llm, с общим числом 63,138 звёзд (в среднем 2,338 на проект). Лидером этой темы является anthropics/courses, набравший 22,833 звёзд.

27
Всего репозиториев
63,138
Всего звезд
2,338
Среднее количество звезд на репозиторий
Языки программирования: Python Jupyter Notebook Markdown TypeScript

Всего репозиториев: 27

1
anthropics/courses

Образовательные курсы Anthropic

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

Kimi-Audio, основа фундаментальной модели аудио с открытым исходным кодом, превосходная в понимании, генерации и диалоге аудио

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

Мультимодальная большая языковая модель с открытым исходным кодом, способная слышать, говорить и думать. Обладает возможностями ведения диалога в режиме реального времени с полным сквозным голосовым вводом и потоковым выводом аудио.

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

Первая открытая авторегрессионная основополагающая видеомодель с искусственным интеллектом.

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

OCRFlux — это легкий, но мощный мультимодальный набор инструментов, который значительно усовершенствует преобразование PDF в Markdown, превосходно справляется со сложными макетами, сложным разбором таблиц и объединением содержимого между страницами.

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

Открытый визуальный агентный интеллект

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

Открытые промышленные модели ASR, поддерживающие мандаринский язык, китайские диалекты и английский язык, достигающие нового уровня SOTA на публичных бенчмарках ASR на мандаринском языке, а также обладающие выдающейся способностью распознавания текстов песен.

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

WeMM-Embedding — это семейство универсальных мультимодальных моделей эмбеддингов от команды WeChat Vision компании Tencent, поддерживающее мультимодальное понимание и поиск.

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

AgentCPM-GUI: Внутрисистный графический агент для работы с Android-приложениями, улучшающий способность к рассуждению с помощью тонкой настройки на основе обучения с подкреплением для эффективного выполнения задач.

OpenBMB
⭐ 1,431 Python 👤 OpenBMB Organization 🕐 Обновлено 2026-01-11 📅 Создано 2025-05-13
11
gokayfem/awesome-vlm-architectures

Подборка с наглядным каталогом более чем 200 архитектур моделей «зрение — язык» (VLM/MLLM): статьи, схемы, рецепты обучения, наборы данных и хронология выпусков мультимодальных ИИ-агентов.

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Обновлено 2026-10-27 📅 Создано 2024-02-15
12
DLYuanGod/TinyGPT-V

TinyGPT-V: Эффективная мультимодальная большая языковая модель через небольшие основы

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

VideoLLaMA 2: Развитие пространственно-временного моделирования и понимания звука в Video-LLM

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

Uni-MoE: Семейство больших мультимодальных моделей Lychee.

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

Прозрачная обобщенная модель для целостного медико-визуально-языкового понимания

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

Video-R1: Усиление рассуждений о видео в MLLM [🔥 первая статья, исследующая R1 для видео]

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

Официальная реализация статьи «MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens»

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

Транскрибируйте PDF с помощью локальных LLM

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

Передовая промышленная комплексная система ASR с модулями ASR, VAD, LID и Punc. FireRedASR2 поддерживает китайский (мандарин, 20+ диалектов/акцентов), английский, переключение кодов, а также ASR для речи и пения. FireRedVAD поддерживает речь/пение/музыку на 100+ языках. FireRedLID поддерживает 100+ языков и 20+ китайских диалектов. FireRedPunc поддерживает китайский и английский.

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 Обновлено 2026-06-02 📅 Создано 2026-02-12
⭐ 703 Python 👤 stepfun-ai Organization 🕐 Обновлено 2026-04-29 📅 Создано 2025-11-11
21
showlab/videollm-online

VideoLLM-online: Онлайн большая языковая модель для потокового видео (CVPR 2024)

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

Реализация на PyTorch "V* : Guided Visual Search as a Core Mechanism in Multimodal LLMs"

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

Дообучение больших языковых моделей, Qwen2VL, Qwen2, дообучение инструкций GLM4

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

Была выполнена конкатенированная точная настройка визуальной части SmolVLM2 с моделью Qwen3-0.6B.

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

LaVIT: Предоставьте большой языковой модели возможность понимать и генерировать визуальный контент

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

Этот проект исследует интеграцию ChatGPT с WhatsApp, превращая чат-бота в виртуального помощника, способного выполнять такие задачи, как общение с друзьями, ответы на вопросы клиентов и многое другое, добавляя в разговоры нотку гуманизации.

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

[ICLR2026] VideoChat-Flash: Иерархическое сжатие для моделирования видео с длинным контекстом

OpenGVLab
⭐ 532 Python 👤 OpenGVLab Organization 🕐 Обновлено 2026-07-19 📅 Создано 2024-03-24

Часто задаваемые вопросы

1

Какой репозиторий по теме #multimodal-llm наиболее популярен на GitHub?

Самый высоко оценённый проект с открытым исходным кодом по теме #multimodal-llm на GitHub — anthropics/courses, набравший 22,833 звёзд. Образовательные курсы Anthropic

2

Какие языки программирования чаще всего используются в репозиториях по теме #multimodal-llm?

Среди наиболее высоко оценённых проектов по теме #multimodal-llm на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, Markdown, TypeScript.

3

Как рассчитывается рейтинг репозиториев по теме #multimodal-llm?

Мы отслеживаем 27 активных репозиториев с открытым исходным кодом, отмеченных тегом #multimodal-llm (500 и более звёзд), с общим числом 63,138 звёзд и в среднем 2,338 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.