Git Stars Git Stars

#multimodal-llm 仓库

探索 27 个标记为 #multimodal-llm 的活跃开源 GitHub 仓库,它们累计获得 63,138 个 Star(平均每个项目 2,338 个)。该主题的领先项目是 anthropics/courses,拥有 22,833 个 Star。

27
仓库总数
63,138
总星标数
2,338
平均每个仓库星标数
1
anthropics/courses

Anthropic 的教育课程

anthropics
⭐ 22,833 Jupyter Notebook 👤 anthropics Organization 🕐 已更新 2026-08-28 📅 创建时间 2024-05-30
2
MoonshotAI/Kimi-Audio

Kimi-Audio,一个在音频理解、生成和对话方面表现出色的开源音频基础模型

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 已更新 2025-06-21 📅 创建时间 2025-04-25
4
gpt-omni/mini-omni

一个开源的多模态大型语言模型,能够边听边说边思考。具有实时端到端语音输入和流式音频输出对话能力。

gpt-omni
⭐ 3,504 Python 👤 gpt-omni Organization 🕐 已更新 2024-11-05 📅 创建时间 2024-08-27
5
Everlyn-Labs/Everlyn-1

首个开放式自回归基础视频AI模型。

Everlyn-Labs
⭐ 2,891 👤 Everlyn-Labs Organization 🕐 已更新 2026-10-07 📅 创建时间 2024-10-13
6
chatdoc-com/OCRFlux

OCRFlux 是一个轻量级但功能强大的多模态工具包,可显著提升 PDF 到 Markdown 的转换能力,在处理复杂布局、解析棘手表格和跨页面内容合并方面表现出色。

chatdoc-com
⭐ 2,532 Python 👤 chatdoc-com Organization 🕐 已更新 2026-04-14 📅 创建时间 2025-06-04
7
MoonshotAI/Kimi-K2.5

开放视觉代理智能

MoonshotAI
⭐ 2,321 👤 MoonshotAI Organization 🕐 已更新 2026-08-06 📅 创建时间 2026-01-30
8
FireRedTeam/FireRedASR

开源工业级ASR模型,支持普通话、中文方言和英语,在公开的普通话ASR基准测试中达到新的SOTA,同时提供卓越的歌词识别能力。

FireRedTeam
⭐ 2,014 Python 👤 FireRedTeam Organization 🕐 已更新 2026-02-25 📅 创建时间 2025-01-24
9
Tencent/WeMM-Embedding

WeMM-Embedding 是腾讯微信视觉团队推出的一系列通用多模态嵌入模型,支持多模态理解与检索。

Tencent
⭐ 1,824 Python 👤 Tencent Organization 🕐 已更新 2026-10-29 📅 创建时间 2026-08-25
10
OpenBMB/AgentCPM-GUI

AgentCPM-GUI:一个设备上的GUI代理,用于操作Android应用,通过强化微调提高推理能力,以实现高效的任务执行。

OpenBMB
⭐ 1,431 Python 👤 OpenBMB Organization 🕐 已更新 2026-01-11 📅 创建时间 2025-05-13
11
gokayfem/awesome-vlm-architectures

精心整理的 200 多种视觉语言模型(VLM/MLLM)架构可视化目录:涵盖论文、示意图、训练方案、数据集,以及多模态 AI 智能体的发布时间线。

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 已更新 2026-10-27 📅 创建时间 2024-02-15
12
DLYuanGod/TinyGPT-V

TinyGPT-V:通过小型骨干实现的效率高的多模态大型语言模型

DLYuanGod
⭐ 1,313 Python 👤 DLYuanGod User 🕐 已更新 2026-02-05 📅 创建时间 2023-12-28
13
DAMO-NLP-SG/VideoLLaMA2

VideoLLaMA 2:视频-LLM在时空建模和音频理解方面的进展

DAMO-NLP-SG
⭐ 1,298 Python 👤 DAMO-NLP-SG Organization 🕐 已更新 2025-01-23 📅 创建时间 2024-05-31
14
HITsz-TMG/Uni-MoE

Uni-MoE:荔枝的大型多模态模型系列。

HITsz-TMG
⭐ 1,120 Python 👤 HITsz-TMG Organization 🕐 已更新 2026-08-06 📅 创建时间 2024-03-04
15
ZJUI-AI4H/Hulu-Med

迈向全面医疗视觉-语言理解的透明通用模型

ZJUI-AI4H
⭐ 1,031 Python 👤 ZJUI-AI4H User 🕐 已更新 2026-08-30 📅 创建时间 2025-10-08
16
tulerfeng/Video-R1

Video-R1: 增强多模态大模型中的视频推理能力 [🔥首篇探索视频R1的研究]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 已更新 2025-12-14 📅 创建时间 2025-02-22
17
UCSB-AI/MiniGPT-5

论文“MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens”的官方实现

UCSB-AI
⭐ 865 Python 👤 UCSB-AI Organization 🕐 已更新 2025-05-08 📅 创建时间 2023-10-02
18
ngafar/llama-scan

使用本地 LLM 转录 PDF

ngafar
⭐ 807 Python 👤 ngafar User 🕐 已更新 2026-10-22 📅 创建时间 2025-06-11
19
FireRedTeam/FireRedASR2S

一个集成了ASR、VAD、LID和Punc模块的SOTA工业级一体化ASR系统。FireRedASR2支持中文(普通话、20多种方言/口音)、英语、语码转换以及语音和歌唱ASR。FireRedVAD支持100多种语言的语音/歌唱/音乐。FireRedLID支持100多种语言和20多种中文方言。FireRedPunc支持中文和英文。

FireRedTeam
⭐ 745 Python 👤 FireRedTeam Organization 🕐 已更新 2026-06-02 📅 创建时间 2026-02-12
⭐ 703 Python 👤 stepfun-ai Organization 🕐 已更新 2026-04-29 📅 创建时间 2025-11-11
21
showlab/videollm-online

VideoLLM-online: 流式视频的在线视频大语言模型 (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 已更新 2025-11-26 📅 创建时间 2024-06-17
22
penghao-wu/vstar

"V* : Guided Visual Search as a Core Mechanism in Multimodal LLMs" 的 PyTorch 实现

penghao-wu
⭐ 684 Python 👤 penghao-wu User 🕐 已更新 2024-01-07 📅 创建时间 2023-12-15
23
Zeyi-Lin/LLM-Finetune

大语言模型微调,Qwen2VL、Qwen2、GLM4指令微调

Zeyi-Lin
⭐ 644 Jupyter Notebook 👤 Zeyi-Lin User 🕐 已更新 2025-05-26 📅 创建时间 2024-06-10
24
ShaohonChen/Qwen3-SmVL

将SmolVLM2的视觉头与Qwen3-0.6B模型进行了拼接微调

ShaohonChen
⭐ 608 Python 👤 ShaohonChen User 🕐 已更新 2025-09-08 📅 创建时间 2025-07-12
25
jy0205/LaVIT

LaVIT:賦能大型語言模型理解和生成視覺內容

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 已更新 2024-10-06 📅 创建时间 2023-09-09
26
omarcusdev/zap-gpt-free

本项目旨在探索ChatGPT与WhatsApp的集成,将聊天机器人转变为虚拟助手,能够执行与朋友聊天、回答客户问题以及更多任务,并在对话中加入人性化的元素。

omarcusdev
⭐ 597 TypeScript 👤 omarcusdev User 🕐 已更新 2024-12-07 📅 创建时间 2024-01-09
27
OpenGVLab/VideoChat-Flash

[ICLR2026] VideoChat-Flash:用于长上下文视频建模的分层压缩

OpenGVLab
⭐ 532 Python 👤 OpenGVLab Organization 🕐 已更新 2026-07-19 📅 创建时间 2024-03-24

常见问题解答

1

GitHub 上最受欢迎的 #multimodal-llm 仓库是什么?

GitHub 上排名第一的开源 #multimodal-llm 项目是 anthropics/courses,拥有 22,833 个 Star。Anthropic 的教育课程

2

#multimodal-llm 仓库中最常使用的编程语言有哪些?

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

3

#multimodal-llm 仓库的排名是如何计算的?

我们跟踪了 27 个标记为 #multimodal-llm 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 63,138 个 Star,平均每个仓库拥有 2,338 个 Star。排名每日根据 GitHub API 更新。