Git Stars Git Stars

#multi-modal-ai 仓库

探索 37 个标记为 #multi-modal-ai 的活跃开源 GitHub 仓库,它们累计获得 152,489 个 Star(平均每个项目 4,121 个)。该主题的领先项目是 Lordog/dive-into-llms,拥有 55,949 个 Star。

37
仓库总数
152,489
总星标数
4,121
平均每个仓库星标数
1
Lordog/dive-into-llms

《动手学大模型Dive into LLMs》系列编程实践教程

Lordog
⭐ 55,949 Jupyter Notebook 👤 Lordog User 🕐 已更新 2025-10-10 📅 创建时间 2024-04-08
2
huggingface/smolagents

🤗 smolagents: 一个供以代码思考的代理的极简库。

huggingface
⭐ 30,465 Python 👤 huggingface Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-12-05
3
lllyasviel/Omost

您的图片几乎就绪!

lllyasviel
⭐ 7,661 Python 👤 lllyasviel User 🕐 已更新 2024-07-26 📅 创建时间 2024-05-29
4
UX-Decoder/Segment-Everything-Everywhere-All-At-Once

[NeurIPS 2023] 论文“Segment Everything Everywhere All at Once”的官方实现

UX-Decoder
⭐ 4,761 Python 👤 UX-Decoder Organization 🕐 已更新 2024-08-19 📅 创建时间 2023-04-12
5
mushan0x0/AI0x0.com

一个多模态多模型通用型的全局全能 AI 查询生成桌面悬浮助手应用

mushan0x0
⭐ 3,950 👤 mushan0x0 User 🕐 已更新 2025-02-06 📅 创建时间 2023-02-26
6
wwwzhouhui/dify-for-dsl

本项目是基于dify开源项目实现的dsl工作流脚本合集

wwwzhouhui
⭐ 3,884 Python 👤 wwwzhouhui User 🕐 已更新 2026-11-11 📅 创建时间 2024-11-15
7
NVlabs/VILA

VILA 是一个由最先进的视觉语言模型 (VLM) 组成的系列,适用于边缘、数据中心和云端的各种多模态人工智能任务。

NVlabs
⭐ 3,873 Python 👤 NVlabs Organization 🕐 已更新 2026-03-12 📅 创建时间 2024-02-23
8
IDEA-Research/Grounded-SAM-2

Grounded SAM 2:使用 Grounding DINO、Florence-2 和 SAM 2 在视频中进行地面识别和跟踪

IDEA-Research
⭐ 3,807 Jupyter Notebook 👤 IDEA-Research Organization 🕐 已更新 2025-11-11 📅 创建时间 2024-08-01
10
NVIDIA/ChatRTX

使用 TensorRT-LLM 在 Windows 上创建检索增强生成 (RAG) 聊天机器人的开发者参考项目

NVIDIA
⭐ 3,101 Python 👤 NVIDIA Organization 🕐 已更新 2026-01-21 📅 创建时间 2023-10-18
11
fogsightai/fogsight

Fogsight 是一个由大型语言模型提供支持的 AI 代理和动画引擎。

fogsightai
⭐ 2,567 JavaScript 👤 fogsightai Organization 🕐 已更新 2026-10-09 📅 创建时间 2025-07-17
12
AmberLJC/LLMSys-PaperList

大语言模型(LLM)系统论文列表

AmberLJC
⭐ 2,332 Python 👤 AmberLJC User 🕐 已更新 2026-10-20 📅 创建时间 2023-06-06
13
thu-ml/RoboticsDiffusionTransformer

RDT-1B:一种用于双手机器人的扩散基础模型

thu-ml
⭐ 1,821 Python 👤 thu-ml Organization 🕐 已更新 2026-01-21 📅 创建时间 2024-10-07
14
OS-Copilot/OS-Copilot

一个无缝集成到操作系统中、可自我改进的具身对话代理,用于自动化我们的日常任务。

OS-Copilot
⭐ 1,718 Python 👤 OS-Copilot Organization 🕐 已更新 2024-09-09 📅 创建时间 2024-02-02
15
cvlab-columbia/viper

论文《ViperGPT: 通过 Python 执行进行视觉推理》的代码

cvlab-columbia
⭐ 1,711 Jupyter Notebook 👤 cvlab-columbia Organization 🕐 已更新 2024-01-29 📅 创建时间 2023-03-14
16
AK391/ai-gradio

一个让开发人员可以轻松创建由各种 AI 提供商提供支持的 AI 应用程序的 Python 包。

AK391
⭐ 1,643 Python 👤 AK391 User 🕐 已更新 2025-04-08 📅 创建时间 2024-12-14
17
AI-FanGe/OpenAIglasses_for_Navigation

一个基于ESP32的盲人导航开放框架

AI-FanGe
⭐ 1,399 Python 👤 AI-FanGe User 🕐 已更新 2025-11-01 📅 创建时间 2025-10-20
18
egoist/chatwise-releases

适用于任何LLM的最快AI聊天机器人

egoist
⭐ 1,373 TypeScript 👤 egoist User 🕐 已更新 2026-07-01 📅 创建时间 2024-11-05
20
TencentQQGYLab/ELLA

ELLA:为增强语义对齐而为扩散模型配备LLM

TencentQQGYLab
⭐ 1,269 Python 👤 TencentQQGYLab Organization 🕐 已更新 2024-07-17 📅 创建时间 2024-03-07
22
tegnike/aituber-kit

一个任何人都可以轻松设置和部署的、用于与 AI 角色聊天的 Web 应用程序。

tegnike
⭐ 1,147 TypeScript 👤 tegnike User 🕐 已更新 2026-11-17 📅 创建时间 2023-10-14
23
gabber-dev/gabber

构建能够利用您的屏幕、麦克风和摄像头作为输入来进行观看、聆听和说话的 AI 应用程序。

gabber-dev
⭐ 1,110 Python 👤 gabber-dev Organization 🕐 已更新 2025-12-20 📅 创建时间 2025-07-25
24
open-gigaai/giga-models

GigaModels:一个用于多模态、生成式和感知模型的综合存储库和平台

open-gigaai
⭐ 1,064 Python 👤 open-gigaai Organization 🕐 已更新 2026-08-25 📅 创建时间 2025-09-26
25
HarborYuan/ovsam

[ECCV 2024] 论文 "Open-Vocabulary SAM" 的官方代码。

HarborYuan
⭐ 1,034 Python 👤 HarborYuan User 🕐 已更新 2026-09-08 📅 创建时间 2024-01-05
26
huggingface/AnyLanguageModel

Apple 的 Foundation Models 框架的 API 兼容、即插即用替代品,支持自定义语言模型提供商。

huggingface
⭐ 990 Swift 👤 huggingface Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-10-05
27
mistralai/mistral-common

Mistral模型的官方推理预处理库

mistralai
⭐ 965 Python 👤 mistralai Organization 🕐 已更新 2026-11-19 📅 创建时间 2024-04-15
28
opendilab/LMDrive

[CVPR 2024] LMDrive: 大型语言模型驱动的闭环端到端驾驶

opendilab
⭐ 905 Jupyter Notebook 👤 opendilab Organization 🕐 已更新 2025-04-14 📅 创建时间 2023-12-12
29
dvlab-research/LLaMA-VID

LLaMA-VID:在大型语言模型中,一张图像相当于2个Token(ECCV 2024)

JIA-Lab-research
⭐ 854 Python 👤 JIA-Lab-research Organization 🕐 已更新 2024-07-29 📅 创建时间 2023-11-28
30
thu-ml/RDT2

RDT 2 的官方代码

thu-ml
⭐ 811 Python 👤 thu-ml Organization 🕐 已更新 2026-02-07 📅 创建时间 2025-09-19
32
Alibaba-NLP/ViDoRAG

[EMNLP 2025] ViDoRAG: 通过动态迭代推理代理实现的视觉文档检索增强生成

Alibaba-NLP
⭐ 670 Python 👤 Alibaba-NLP Organization 🕐 已更新 2026-01-11 📅 创建时间 2025-02-25
33
ShihaoZhaoZSH/Uni-ControlNet

[NeurIPS 2023] Uni-ControlNet:文本到图像扩散模型的一体化控制

ShihaoZhaoZSH
⭐ 665 Python 👤 ShihaoZhaoZSH User 🕐 已更新 2024-07-17 📅 创建时间 2023-05-23
35
IuvenisSapiens/ComfyUI_Qwen3-VL-Instruct

将 Qwen3-VL-Instruct 系列成功集成到 ComfyUI 平台后,实现了顺畅的运行,支持(但不限于)基于文本的查询、视频查询、单张图像查询以及多张图像查询,以生成字幕或回复。

IuvenisSapiens
⭐ 587 Python 👤 IuvenisSapiens User 🕐 已更新 2025-10-23 📅 创建时间 2024-08-31
36
moxin-org/Moxin-LLM

Moxin 是一系列完全开源且可复现的大型语言模型

moxin-org
⭐ 526 Python 👤 moxin-org Organization 🕐 已更新 2025-07-02 📅 创建时间 2024-12-03
37
shansongliu/MuMu-LLaMA

这是M2UGen的官方仓库

shansongliu
⭐ 512 Jupyter Notebook 👤 shansongliu User 🕐 已更新 2025-01-02 📅 创建时间 2023-10-20

常见问题解答

1

GitHub 上最受欢迎的 #multi-modal-ai 仓库是什么?

GitHub 上排名第一的开源 #multi-modal-ai 项目是 Lordog/dive-into-llms,拥有 55,949 个 Star。《动手学大模型Dive into LLMs》系列编程实践教程

2

#multi-modal-ai 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #multi-modal-ai 项目中,最常见的编程语言是 Python, Jupyter Notebook, TypeScript, JavaScript。

3

#multi-modal-ai 仓库的排名是如何计算的?

我们跟踪了 37 个标记为 #multi-modal-ai 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 152,489 个 Star,平均每个仓库拥有 4,121 个 Star。排名每日根据 GitHub API 更新。