Git Stars Git Stars

#multimodal-ai 仓库

探索 191 个标记为 #multimodal-ai 的活跃开源 GitHub 仓库,它们累计获得 589,873 个 Star(平均每个项目 3,088 个)。该主题的领先项目是 anthropics/claude-cookbooks,拥有 54,935 个 Star。

191
仓库总数
589,873
总星标数
3,088
平均每个仓库星标数

共 191 个仓库

1
anthropics/claude-cookbooks

一本展示使用 Claude 的一些有趣且有效方法的笔记本/食谱集。

anthropics
⭐ 54,935 Jupyter Notebook 👤 anthropics Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-08-15
2
oobabooga/textgen

用于本地大语言模型的开源桌面应用程序。支持文本、视觉、工具调用,兼容 OpenAI/Anthropic API。100% 隐私保护。

oobabooga
⭐ 47,736 Python 👤 oobabooga User 🕐 已更新 2026-08-17 📅 创建时间 2022-12-21
4
google-ai-edge/gallery

一个展示设备端机器学习/生成式AI用例的画廊,并允许用户在本地试用和使用模型。

google-ai-edge
⭐ 25,398 Kotlin 👤 google-ai-edge Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-03-31
5
deepseek-ai/DeepSeek-OCR

光学压缩上下文

deepseek-ai
⭐ 24,180 Python 👤 deepseek-ai Organization 🕐 已更新 2026-01-27 📅 创建时间 2025-10-17
6
QwenLM/Qwen3-VL

Qwen3-VL 是阿里云Qwen团队开发的系列多模态大语言模型。

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 已更新 2026-01-30 📅 创建时间 2024-08-29
7
duixcom/Duix-Avatar

🚀 真正开源的人工智能头像(数字人)工具包,用于离线视频生成和数字人克隆。

duixcom
⭐ 16,411 C 👤 duixcom Organization 🕐 已更新 2026-04-21 📅 创建时间 2024-12-24
8
facebookresearch/seamless_communication

面向最先进语音和文本翻译的基础模型

facebookresearch
⭐ 11,908 Jupyter Notebook 👤 facebookresearch Organization 🕐 已更新 2026-09-08 📅 创建时间 2023-08-01
9
m87-labs/moondream

微小视觉语言模型

m87-labs
⭐ 10,167 Python 👤 m87-labs Organization 🕐 已更新 2026-04-20 📅 创建时间 2023-12-29
10
opendatalab/PDF-Extract-Kit

高质量 PDF 内容提取的综合工具包

opendatalab
⭐ 9,682 Python 👤 opendatalab Organization 🕐 已更新 2025-01-03 📅 创建时间 2024-06-27
11
facebookresearch/ImageBind

ImageBind 融合所有内容的统一嵌入空间

facebookresearch
⭐ 9,084 Python 👤 facebookresearch Organization 🕐 已更新 2025-11-21 📅 创建时间 2023-03-23
12
QwenLM/Qwen-Image

Qwen-Image 是一个强大的图像生成基础模型,能够进行复杂的文本渲染和精确的图像编辑。

QwenLM
⭐ 8,489 Python 👤 QwenLM Organization 🕐 已更新 2026-02-10 📅 创建时间 2025-08-03
13
NVIDIA/Isaac-GR00T

NVIDIA Isaac GR00T N1.7 - 通用的机器人基础模型。

NVIDIA
⭐ 8,402 Python 👤 NVIDIA Organization 🕐 已更新 2026-11-17 📅 创建时间 2025-03-11
14
boson-ai/higgs-audio

Boson AI 的文本到音频基础模型

boson-ai
⭐ 8,390 Python 👤 boson-ai Organization 🕐 已更新 2026-06-05 📅 创建时间 2025-07-20
15
LargeWorldModel/LWM

大型世界模型 -- 使用数百万上下文进行文本和视频建模

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 已更新 2024-10-19 📅 创建时间 2024-02-08
16
tencent-ailab/IP-Adapter

图像提示适配器旨在使预训练的文本到图像扩散模型能够使用图像提示来生成图像。

tencent-ailab
⭐ 6,386 Jupyter Notebook 👤 tencent-ailab User 🕐 已更新 2024-06-28 📅 创建时间 2023-08-16
17
AILab-CVC/YOLO-World

[CVPR 2024] 实时开放词汇目标检测

AILab-CVC
⭐ 6,385 Python 👤 AILab-CVC Organization 🕐 已更新 2025-02-26 📅 创建时间 2024-01-29
19
ByteDance-Seed/Bagel

开源统一多模态模型

ByteDance-Seed
⭐ 6,223 Python 👤 ByteDance-Seed Organization 🕐 已更新 2026-05-04 📅 创建时间 2025-04-17
20
ngxson/smolvlm-realtime-webcam

使用SmolVLM和llama.cpp服务器的实时网络摄像头演示

ngxson
⭐ 5,555 HTML 👤 ngxson User 🕐 已更新 2025-05-12 📅 创建时间 2025-05-12
21
AgnesAI-Labs/AgnesAI-Models

Agnes AI 官方网关和模型目录,支持与 OpenAI 兼容的文本、图像、视频和智能体工作流。

AgnesAI-Labs
⭐ 5,299 👤 AgnesAI-Labs Organization 🕐 已更新 2026-08-18 📅 创建时间 2026-04-30
22
deepseek-ai/DeepSeek-VL2

DeepSeek-VL2:用于高级多模态理解的专家混合视觉-语言模型

deepseek-ai
⭐ 5,297 Python 👤 deepseek-ai Organization 🕐 已更新 2025-02-26 📅 创建时间 2024-12-13
23
cbh123/narrator

大卫·爱登堡为你的人生配音

cbh123
⭐ 4,426 Python 👤 cbh123 User 🕐 已更新 2026-07-23 📅 创建时间 2023-11-14
24
Tencent-Hunyuan/HunyuanDiT

Hunyuan-DiT:一个具有细粒度中文理解能力的多分辨率扩散 Transformer

Tencent-Hunyuan
⭐ 4,292 Jupyter Notebook 👤 Tencent-Hunyuan Organization 🕐 已更新 2026-10-08 📅 创建时间 2024-05-10
25
VectorSpaceLab/OmniGen2

OmniGen2: 迈向高级多模态生成的探索。 https://arxiv.org/abs/2506.18871

VectorSpaceLab
⭐ 4,121 Jupyter Notebook 👤 VectorSpaceLab Organization 🕐 已更新 2026-03-20 📅 创建时间 2025-06-06
26
googleapis/python-genai

Google Gen AIPython SDK 为开发人员提供了一个接口,可将 Google 的生成模型集成到其 Python 应用程序中。

googleapis
⭐ 4,084 Python 👤 googleapis Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-12-06
27
QwenLM/Qwen2.5-Omni

Qwen2.5-Omni是阿里云Qwen团队推出的端到端多模态模型,能够理解文本、音频、视觉、视频,并进行实时语音生成。

QwenLM
⭐ 4,021 Jupyter Notebook 👤 QwenLM Organization 🕐 已更新 2025-06-12 📅 创建时间 2025-03-22
28
amazon-science/mm-cot

“语言模型中的多模态思维链推理”的官方实现(敬请期待,更多内容将陆续更新)

amazon-science
⭐ 3,988 Python 👤 amazon-science Organization 🕐 已更新 2024-06-12 📅 创建时间 2023-02-02
29
huggingface/smollm

SmolLM 和 SmolVLM 系列模型的所有信息

huggingface
⭐ 3,960 Python 👤 huggingface Organization 🕐 已更新 2026-10-06 📅 创建时间 2024-11-04
30
songguoxs/gpt4o-image-prompts

Nano Banana(nanobanana),GPT-5(GPT5),GPT-4o(GPT4o) 图片提示词,Nanobanana Prompts,nanobanana提示词

songguoxs
⭐ 3,882 JavaScript 👤 songguoxs User 🕐 已更新 2026-01-08 📅 创建时间 2025-04-28
31
FlagAI-Open/FlagAI

FlagAI (Fast LArge-scale General AI models) 是一个快速、易用且可扩展的大规模模型工具包。

FlagAI-Open
⭐ 3,864 Python 👤 FlagAI-Open Organization 🕐 已更新 2026-07-13 📅 创建时间 2022-05-16
32
facebookresearch/sam-audio

该存储库提供了用于使用 Meta Segment Anything Audio Model (SAM-Audio) 运行推理的代码、用于下载已训练模型检查点的链接以及演示如何使用该模型的示例 notebook。

facebookresearch
⭐ 3,760 Python 👤 facebookresearch Organization 🕐 已更新 2026-05-26 📅 创建时间 2025-09-04
33
ZHO-ZHO-ZHO/ZHO-nano-banana-Creation

我的 nano-banana 创意玩法大合集! 持续更新中!

ZHO-ZHO-ZHO
⭐ 3,715 👤 ZHO-ZHO-ZHO User 🕐 已更新 2025-09-18 📅 创建时间 2025-08-28
34
Kedreamix/Linly-Talker

数字虚拟形象对话系统 - Linly-Talker。😄✨ Linly-Talker是一个智能AI系统,它将大型语言模型(LLMs)与视觉模型相结合,创造了一种新颖的人机交互方法。🤝🤖 它集成了Whisper、Linly、Microsoft Speech Services和SadTalker说话头生成系统等多种技术。🌟🔬

Kedreamix
⭐ 3,483 Python 👤 Kedreamix User 🕐 已更新 2026-02-10 📅 创建时间 2023-10-17
35
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Vid-LLM 的最新论文、代码和数据集。

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 已更新 2026-11-11 📅 创建时间 2023-07-16
38
zai-org/GLM-4-Voice

GLM-4-Voice | 端到端中英语音对话模型

zai-org
⭐ 3,108 Python 👤 zai-org Organization 🕐 已更新 2024-12-05 📅 创建时间 2024-10-24
39
stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) 是由斯坦福大学基金模型研究中心 (CRFM) 创建的一个开源 Python 框架,用于对包括大型语言模型 (LLM) 和多模态模型在内的基础模型进行整体、可复现和透明的评估。

stanford-crfm
⭐ 2,975 Python 👤 stanford-crfm Organization 🕐 已更新 2026-09-01 📅 创建时间 2021-11-29
40
Mininglamp-AI/Mano-P

Mano-P: 开源 GUI-VLA 边缘设备代理。在 OSWorld 上排名 #1(专业版,58.2%)。在 Apple M4 Mac mini/MacBook 上本地运行 — 无数据离开您的设备。Mano-P 是一个开源 GUI-VLA 项目,支持在 Mac mini/MacBook 上或通过算力棒本地运行推理,实现纯视觉驱动的跨平台 GUI 自动化操作。数据完全本地处理,支持复杂多步骤任务规划与执行。

Mininglamp-AI
⭐ 2,855 👤 Mininglamp-AI Organization 🕐 已更新 2026-06-25 📅 创建时间 2026-03-25
41
Alpha-VLLM/LLaMA2-Accessory

LLM开发的开源工具包

Alpha-VLLM
⭐ 2,806 Python 👤 Alpha-VLLM Organization 🕐 已更新 2025-01-13 📅 创建时间 2023-07-21
42
ishan0102/vimGPT

使用 GPT-4V 和 Vimium 浏览网页

ishan0102
⭐ 2,672 Python 👤 ishan0102 User 🕐 已更新 2024-09-25 📅 创建时间 2023-11-07
43
OmniSVG/OmniSVG

[NeurIPS 2025] OmniSVG 是首个端到端的全能型多模态 SVG 生成器系列,它利用预训练的视觉语言模型 (VLM),能够生成从简单图标到复杂动漫角色的复杂而精细的 SVG。

OmniSVG
⭐ 2,666 Python 👤 OmniSVG User 🕐 已更新 2026-03-01 📅 创建时间 2025-04-07
46
baaivision/Emu3

Next-Token Prediction 就是你所需要的一切

baaivision
⭐ 2,454 Python 👤 baaivision Organization 🕐 已更新 2026-01-12 📅 创建时间 2024-09-26
47
XiaoxinHe/Awesome-Graph-LLM

关于图相关大语言模型的精彩合集。

XiaoxinHe
⭐ 2,452 👤 XiaoxinHe User 🕐 已更新 2025-11-05 📅 创建时间 2023-06-05
48
Nutlope/llama-ocr

使用 Llama 3.2 vision 的文档到 Markdown OCR 库

Nutlope
⭐ 2,445 TypeScript 👤 Nutlope User 🕐 已更新 2026-07-12 📅 创建时间 2024-11-12
49
facebookresearch/perception_models

最先进的图像和视频 CLIP、多模态大型语言模型等!

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 已更新 2026-04-13 📅 创建时间 2025-04-16

常见问题解答

1

GitHub 上最受欢迎的 #multimodal-ai 仓库是什么?

GitHub 上排名第一的开源 #multimodal-ai 项目是 anthropics/claude-cookbooks,拥有 54,935 个 Star。一本展示使用 Claude 的一些有趣且有效方法的笔记本/食谱集。

2

#multimodal-ai 仓库中最常使用的编程语言有哪些?

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

3

#multimodal-ai 仓库的排名是如何计算的?

我们跟踪了 191 个标记为 #multimodal-ai 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 589,873 个 Star,平均每个仓库拥有 3,088 个 Star。排名每日根据 GitHub API 更新。