Git Stars Git Stars

#multimodal Репозитории

183
Всего репозиториев
700,629
Всего звезд
3,828
Среднее количество звезд на репозиторий

Всего репозиториев: 183

51
docarray/docarray

Представлять, отправлять, хранить и искать мультимодальные данные

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

InternLM-XComposer2.5-OmniLive: Комплексная мультимодальная система для долгосрочного потокового взаимодействия с видео и аудио

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

Контекстный слой для неструктурированных данных: типизированные, версионированные наборы данных поверх S3, GCS, Azure

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

Изображения для вывода без разметки (используйте базовые модели для обучения моделей с учителем).

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

Легко вычисляйте вложения клипов и создавайте с их помощью систему поиска по клипам.

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

Оптимизация процесса тонкой настройки для мультимодальных моделей: PaliGemma 2, Florence-2 и Qwen2.5-VL

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

Исчерпывающие ресурсы по генеративному ИИ, включая подробную дорожную карту, проекты, примеры использования, подготовку к собеседованию и подготовку к программированию.

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

[EMNLP-2024] Создание мультимодальных языковых агентов для быстрого прототипирования и внедрения в производство

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

Официальный репозиторий OFA (ICML 2022). Статья: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework

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

mPLUG-Owl: Мощное семейство мультимодальных больших языковых моделей

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

HuixiangDou: Преодоление сценариев группового чата с помощью технической поддержки на основе LLM

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

Подборка статей, бенчмарков, обзорных материалов и инструментов по квантованию моделей, охватывающая низкоразрядные сети, LLM, мультимодальные и генеративные модели, векторное и решёточное квантование, а также эффективное развертывание.

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

(ෆ`꒳´ෆ) Обзор генерации/синтеза изображений из текста.

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

SDK для взаимодействия с API stability.ai (например, вывод Stable Diffusion)

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

Roubao 2.0 для iPhone: ИИ-агент с открытым исходным кодом для iOS, поддерживающий управление интерфейсом Micro-X с разрешения владельца, пользовательские модели, возобновляемые задачи и PDF-отчёты. Для работы не нужны Wi-Fi, джейлбрейк, компьютер или дополнительное оборудование (для настройки необходимы Mac и USB). Старая версия для Android сохранена.

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

[ECCV2024] Видеофундаментальные модели и данные для мультимодального понимания

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

🎨 NeMo Data Designer: Генерируйте высококачественные синтетические данные с нуля или из seed-данных.

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

mPLUG-DocOwl: Модульное мультимодальное большое языковое модель для понимания документов

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

Позвольте Claude (или любой LLM) действительно посмотреть видео — кадры с учетом сцен, без дубликатов + расшифровка, из URL или локального файла. Работает локально, MIT.

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

GenAI Processors — это легковесная библиотека Python, обеспечивающая эффективную параллельную обработку контента.

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

Локальный мультимодальный ИИ в реальном времени с функциями, аналогичными GPT-Live

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

[ICLR & NeurIPS 2025] Репозиторий для серии Show-o, единый трансформер для унификации мультимодального понимания и генерации.

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

Реализация с открытым исходным кодом для тонкой настройки серии Qwen-VL от Alibaba Cloud.

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

Реализация "BitNet: Масштабирование 1-битных трансформеров для больших языковых моделей" на PyTorch

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

Высокопроизводительная среда выполнения для обслуживания интерактивных систем сверхинтеллекта

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

Сборник оригинальных, инновационных идей и алгоритмов для продвинутых литературных машин. Этот проект поддерживается командой OCR в лаборатории языковых технологий Tongyi Lab группы Alibaba.

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

Синтез программ для графики научных фигур и набросков с помощью TikZ.

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

Система самостоятельного кодирования для вашего приложения — Alan AI SDK для Android

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

Система самокодирования для вашего приложения — Alan AI SDK для Flutter

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

Бэкенд-агенты создаются с мультимодальной базой данных, оркестрацией и обслуживанием в одном файле

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

Система самокодирования для вашего приложения — Alan AI SDK для Ionic

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

Быстрые мультимодальные LLM на мобильных устройствах

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

Мультимодальная структура обучения с подкреплением для моделей диффузии и омни

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

Новая архитектура мультимодальной большой языковой модели (MLLM), разработанная для структурного согласования визуальных и текстовых вложений.

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

Визуальный интеллект для вашего дома.

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

Получайте чистые данные из сложных документов с помощью моделей "зрение-язык" ⚡

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

Дайте Клоду возможность просматривать и понимать видео — плагин Claude Code с извлечением кадров и мультимодальным аудиоанализом

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

Сводка японских LLM - Обзор японских LLM

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

Xtreme1 — это универсальная платформа для разметки и аннотирования данных для обучения мультимодальным данным, поддерживающая 3D LiDAR облака точек, изображения и LLM.

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

Этот репозиторий является официальной реализацией работы Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)

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

Автономный движок вывода для искусства, голосовых разговоров в реальном времени, чат-ботов на базе LLM и автоматизированных рабочих процессов

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

Зрение для текстовых агентов DeepSeek Harness: встроенная бесплатная цепочка компьютерного зрения (ключ не нужен) + инструменты зрения на уровне пикселей (вопросы и ответы, привязка объектов, обрезка, разница пикселей, цвета, OCR, трассировка SVG, вырезание объектов, снимки экрана). Установка одной командой, Python не требуется; ходы с изображениями работают так же, как обычные ходы с вызовами инструментов.

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

Разработайте лучший набор визуальных инструментов и навыков для текстовых моделей, чтобы они могли «видеть» изображения, поддерживая понимание нескольких изображений, вопросы и ответы по изображениям, восстановление пользовательского интерфейса фронтенда, автоматизацию графического интерфейса и т. д., с возможностью бесшовной интеграции с несколькими основными агентами и прямым распознаванием вставленных изображений | Набор визуальных инструментов и навыков, разработанный для текстовых LLM: вопросы и ответы по изображениям, OCR длинных скриншотов, восстановление пользовательского интерфейса фронтенда и автоматизация графического интерфейса, с возможностью бесшовной интеграции для Codex, Claude Code, Pi, Oh My Pi и OpenCode

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

Распределённое обучение и инференс для мультимодального восприятия: общие эмбеддинги для текста, изображений, видео, аудио, кода и графов размерностью от 64 до 1024 🖼️

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

Сервер MCP Multi-AI - Подключите ChatGPT, Claude, Gemini и Perplexity к вашим инструментам для кодирования без каких-либо API

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

Объединение генерации 3D-сетки с языковыми моделями

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

Базовая модель, которая генерирует синхронизированные видео и аудио в рамках одной модели

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