Git Stars Git Stars

#multimodal-ai 仓库

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

153
stepfun-ai/NextStep-1

[🚀 ICLR 2026 Oral] NextStep-1:利用连续 Token 的 SOTA Autogressive 图像生成。StepFun 的多模态智能团队开发的研究项目。

stepfun-ai
⭐ 696 Python 👤 stepfun-ai Organization 🕐 已更新 2026-02-27 📅 创建时间 2025-08-14
154
Yaofang-Liu/Pusa-VidGen

Pusa: 千步视频扩散模型

Yaofang-Liu
⭐ 685 Python 👤 Yaofang-Liu User 🕐 已更新 2026-02-13 📅 创建时间 2025-03-25
155
AlexZhangji/Twitter-Insight-LLM

Twitter 数据抓取、基于嵌入的图像搜索等。

AlexZhangji
⭐ 685 Jupyter Notebook 👤 AlexZhangji User 🕐 已更新 2024-04-17 📅 创建时间 2024-03-05
156
gregsadetsky/sagittarius

GPT-4/Gemini 语音/视频探索工具

gregsadetsky
⭐ 685 TypeScript 👤 gregsadetsky User 🕐 已更新 2024-01-26 📅 创建时间 2023-12-11
157
inclusionAI/Ming

Ming - 建立在 Ling LLM 之上的,用于促进先进的多模态理解和生成能力。

inclusionAI
⭐ 683 Jupyter Notebook 👤 inclusionAI Organization 🕐 已更新 2026-07-27 📅 创建时间 2025-04-21
158
ATH-MaaS/Agentic-ADK

Agentic ADK 是阿里巴巴国际AI业务推出的基于Google-ADK和Ali-LangEngine的Agent应用开发框架。

ATH-MaaS
⭐ 683 Java 👤 ATH-MaaS Organization 🕐 已更新 2025-11-24 📅 创建时间 2024-11-08
159
pfrankov/obsidian-local-gpt

本地 Ollama 和类 OpenAI GPT 助手,提供最大隐私和离线访问

pfrankov
⭐ 678 TypeScript 👤 pfrankov User 🕐 已更新 2026-10-26 📅 创建时间 2023-12-03
161
zstar1003/FreeTex

一个免费的公式智能识别软件

zstar1003
⭐ 668 Python 👤 zstar1003 User 🕐 已更新 2026-11-17 📅 创建时间 2025-05-04
162
snap-research/Panda-70M

[CVPR 2024] Panda-70M: 使用多个跨模态教师为 7000 万个视频加字幕

snap-research
⭐ 659 Python 👤 snap-research Organization 🕐 已更新 2024-10-25 📅 创建时间 2024-02-14
163
videosdk-live/agents

用于开发实时多模态对话式人工智能代理的开源框架。

videosdk-live
⭐ 657 Python 👤 videosdk-live Organization 🕐 已更新 2026-08-07 📅 创建时间 2025-05-02
164
yhLeeee/Awesome-LLMs-in-Graph-tasks

精选研究论文集,探讨了 LLM 在图任务中的应用。

yhLeeee
⭐ 657 👤 yhLeeee User 🕐 已更新 2025-03-21 📅 创建时间 2023-11-17
166
bytedance/comfyui-lumi-batcher

ComfyUI Lumi Batcher 是一个专为 ComfyUI 设计的批量处理扩展插件,旨在提高工作流调试效率。传统的调试方法需要逐一调整参数,而该工具通过批量处理能力显著提高了工作效率。

bytedance
⭐ 651 TypeScript 👤 bytedance Organization 🕐 已更新 2026-10-10 📅 创建时间 2025-05-29
167
Alpha-VLLM/Lumina-mGPT

“Lumina-mGPT:通过多模态生成预训练照亮灵活的照片级文本到图像生成”的官方实现

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

ComfyUI 节点,用于 Janus-Pro,一个统一的多模态理解和生成框架。

CY-CHENYUE
⭐ 647 Python 👤 CY-CHENYUE User 🕐 已更新 2025-01-30 📅 创建时间 2025-01-27
170
mit-han-lab/hart

HART: 混合自回归 Transformer 实现高效视觉生成

mit-han-lab
⭐ 647 Python 👤 mit-han-lab Organization 🕐 已更新 2024-10-16 📅 创建时间 2024-10-08
171
SpursGoZmy/Awesome-Tabular-LLMs

我们收集关于“用于表格相关任务的大语言模型(LLM)”的论文,例如,使用 LLM 进行表格问答任务。 “表格+LLM”相关论文整理

SpursGoZmy
⭐ 640 👤 SpursGoZmy User 🕐 已更新 2026-04-09 📅 创建时间 2023-06-28
173
PromtEngineer/localGPT-Vision

使用视觉语言模型与您的文档进行聊天。此存储库实现了包含本地和专有 VLM 的端到端 RAG 管道。

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 已更新 2025-07-26 📅 创建时间 2024-10-01
174
iSEE-Laboratory/LLMDet

(CVPR 2025 highlight✨) 论文“LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models”的官方仓库

iSEE-Laboratory
⭐ 628 Python 👤 iSEE-Laboratory Organization 🕐 已更新 2026-02-04 📅 创建时间 2025-01-30
175
Ucas-HaoranWei/Vary-toy

Vary-toy (小型语言模型与强化视觉词汇的结合) 的官方代码实现

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 已更新 2024-12-30 📅 创建时间 2024-01-10
176
microsoft/CLAP

从自然语言监督中学习音频概念

microsoft
⭐ 625 Python 👤 microsoft Organization 🕐 已更新 2024-09-18 📅 创建时间 2022-11-02
177
vb000/LookOnceToHear

一种用于耳机实时语音提取的新型人机交互方法。

vb000
⭐ 615 Python 👤 vb000 User 🕐 已更新 2026-07-22 📅 创建时间 2024-05-10
178
thu-coai/Glyph

“Glyph:通过视觉文本压缩扩展上下文窗口”的官方存储库

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 已更新 2025-11-04 📅 创建时间 2025-10-20
180
levyflux/AViD

支持在自定义数据集上微调视觉-语言基础模型的框架

levyflux
⭐ 608 Python 👤 levyflux User 🕐 已更新 2026-08-30 📅 创建时间 2025-03-19
181
yushangxiao/claude2api

将Claude 的网页服务转为 Api 服务,支持识图,文件上传,思考输出……

yushangxiao
⭐ 606 Go 👤 yushangxiao User 🕐 已更新 2025-07-01 📅 创建时间 2025-03-25
⭐ 604 Jupyter Notebook 👤 generative-ai-on-aws Organization 🕐 已更新 2024-10-09 📅 创建时间 2023-08-24
184
hkproj/pytorch-paligemma

使用 PyTorch 从头开始编码多模态(视觉)语言模型,并附有完整解释:https://www.youtube.com/watch?v=vAmKB7iPkWw

hkproj
⭐ 579 Python 👤 hkproj User 🕐 已更新 2024-12-06 📅 创建时间 2024-07-13
186
fufankeji/DeepSeek-OCR-Web

开箱即用的DeepSeek OCR文档解析Web Studio

fufankeji
⭐ 568 TypeScript 👤 fufankeji User 🕐 已更新 2025-10-27 📅 创建时间 2025-10-23
187
unconv/gpt4v-browsing

使用 GPT-4 Vision API 和 Puppeteer 进行网络抓取

unconv
⭐ 563 JavaScript 👤 unconv User 🕐 已更新 2024-01-31 📅 创建时间 2023-11-24
189
luogen1996/LaVIN

[NeurIPS 2023] "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" 的官方实现

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 已更新 2024-01-27 📅 创建时间 2023-05-15
190
SmartFlowAI/Llama3-Tutorial

Llama3-Tutorial(XTuner、LMDeploy、OpenCompass)

SmartFlowAI
⭐ 511 Python 👤 SmartFlowAI Organization 🕐 已更新 2024-05-10 📅 创建时间 2024-04-19