Git Stars Git Stars

#multimodal 仓库

183
仓库总数
700,629
总星标数
3,828
平均每个仓库星标数

共 183 个仓库

51
docarray/docarray

表示、发送、存储和搜索多模态数据

docarray
⭐ 3,123 Python 👤 docarray Organization 🕐 已更新 2026-03-27 📅 创建时间 2021-12-14
52
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive:一款用于长期流媒体音视频交互的综合性多模态系统

InternLM
⭐ 2,925 Python 👤 InternLM Organization 🕐 已更新 2025-05-26 📅 创建时间 2023-09-26
53
datachain-ai/datachain

非结构化数据的上下文层:基于 S3、GCS、Azure 的类型化、版本化数据集

datachain-ai
⭐ 2,831 Python 👤 datachain-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-06-25
54
autodistill/autodistill

用于推理的无标签图像(使用基础模型训练监督模型)。

autodistill
⭐ 2,802 Python 👤 autodistill Organization 🕐 已更新 2026-09-29 📅 创建时间 2023-06-06
55
rom1504/clip-retrieval

轻松计算 clip 嵌入并用它们构建 clip 检索系统

rom1504
⭐ 2,799 Jupyter Notebook 👤 rom1504 User 🕐 已更新 2026-03-28 📅 创建时间 2021-06-07
56
roboflow/maestro

简化多模态模型微调流程:PaliGemma 2、Florence-2 和 Qwen2.5-VL

roboflow
⭐ 2,696 Python 👤 roboflow Organization 🕐 已更新 2026-11-16 📅 创建时间 2023-11-24
57
genieincodebottle/generative-ai

关于生成式 AI 的综合资源,包括详细的路线图、项目、用例、面试准备和编码准备。

genieincodebottle
⭐ 2,675 Jupyter Notebook 👤 genieincodebottle User 🕐 已更新 2026-11-09 📅 创建时间 2024-01-09
58
om-ai-lab/OmAgent

[EMNLP-2024] 构建多模态语言代理以实现快速原型和生产

om-ai-lab
⭐ 2,670 Python 👤 om-ai-lab Organization 🕐 已更新 2026-10-16 📅 创建时间 2024-07-04
59
OFA-Sys/OFA

OFA (ICML 2022) 的官方仓库。论文:OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework

OFA-Sys
⭐ 2,550 Python 👤 OFA-Sys Organization 🕐 已更新 2024-04-24 📅 创建时间 2022-01-29
60
X-PLUG/mPLUG-Owl

mPLUG-Owl: 强大的多模态大语言模型家族

X-PLUG
⭐ 2,541 Python 👤 X-PLUG Organization 🕐 已更新 2025-04-02 📅 创建时间 2023-04-25
61
InternLM/HuixiangDou

HuixiangDou: 利用基于LLM的技术协助应对群聊场景

InternLM
⭐ 2,500 Python 👤 InternLM Organization 🕐 已更新 2025-11-24 📅 创建时间 2023-12-28
62
AI-Efficiency/Awesome-Model-Quantization

精选的模型量化论文、基准测试、综述和工具集合,涵盖低比特网络、大语言模型、多模态与生成模型、矢量量化和格量化,以及高效部署。

AI-Efficiency
⭐ 2,471 👤 AI-Efficiency Organization 🕐 已更新 2026-11-16 📅 创建时间 2018-10-18
63
Yutong-Zhou-cv/Awesome-Text-to-Image

(ෆ`꒳´ෆ) 关于文本到图像生成/合成的调查。

Yutong-Zhou-cv
⭐ 2,444 👤 Yutong-Zhou-cv User 🕐 已更新 2026-11-03 📅 创建时间 2020-10-13
64
Stability-AI/stability-sdk

用于与 stability.ai API 交互的 SDK(例如,stable diffusion 推理)

Stability-AI
⭐ 2,436 Jupyter Notebook 👤 Stability-AI Organization 🕐 已更新 2026-05-14 📅 创建时间 2022-08-22
65
Turbo1123/roubao

iPhone 版肉包 Roubao 2.0:开源 iOS AI 智能体,支持经所有者授权的 Micro-X UI 控制、自定义模型、可恢复任务和 PDF 报告。运行时无需 Wi-Fi、越狱、电脑或额外硬件(设置时需要 Mac + USB)。保留旧版 Android。

Turbo1123
⭐ 2,422 Swift 👤 Turbo1123 User 🕐 已更新 2026-11-09 📅 创建时间 2025-12-09
66
OpenGVLab/InternVideo

[ECCV2024] 视频基础模型和多模态理解数据

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 已更新 2026-07-02 📅 创建时间 2022-11-23
67
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer:从零开始或从种子数据生成高质量合成数据。

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-10-16
68
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl:面向文档理解的模块化多模态大语言模型

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 已更新 2025-05-30 📅 创建时间 2023-07-04
69
HUANGCHIHHUNGLeo/claude-real-video

让Claude(或任何大语言模型)真正观看视频——场景感知、去重帧+转录文本,支持URL或本地文件。本地运行,MIT许可证。

HUANGCHIHHUNGLeo
⭐ 2,329 Python 👤 HUANGCHIHHUNGLeo User 🕐 已更新 2026-11-20 📅 创建时间 2026-06-30
70
google-gemini/genai-processors

GenAI Processors 是一个轻量级的 Python 库,可实现高效、并行的内容处理。

google-gemini
⭐ 2,125 Python 👤 google-gemini Organization 🕐 已更新 2026-11-10 📅 创建时间 2025-04-29
71
fikrikarim/parlor

具备类似 GPT-Live 功能的端侧实时多模态人工智能

fikrikarim
⭐ 2,117 Python 👤 fikrikarim User 🕐 已更新 2026-08-03 📅 创建时间 2026-04-05
72
showlab/Show-o

[ICLR & NeurIPS 2025] Show-o 系列仓库,一个统一多模态理解和生成的单一 Transformer。

showlab
⭐ 1,988 Python 👤 showlab Organization 🕐 已更新 2026-01-08 📅 创建时间 2024-08-09
73
2U1/Qwen-VL-Series-Finetune

阿里云对Qwen-VL系列进行微调的开源实现。

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 已更新 2026-09-09 📅 创建时间 2024-09-10
74
kyegomez/BitNet

PyTorch 中 "BitNet: 扩展 1 位 Transformer 以用于大型语言模型" 的实现

kyegomez
⭐ 1,949 Python 👤 kyegomez User 🕐 已更新 2026-11-16 📅 创建时间 2023-10-18
75
sgl-project/sglang-omni

面向交互式超级智能系统的高性能服务运行时

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-01-07
76
AlibabaResearch/AdvancedLiterateMachinery

面向高级文学机器的原创、创新理念和算法合集。该项目由阿里云言技术实验室同义实验室 OCR 团队维护。

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 已更新 2026-03-17 📅 创建时间 2022-09-28
77
potamides/DeTikZify

使用 TikZ 合成科学图表和草图的图形程序。

potamides
⭐ 1,831 Python 👤 potamides User 🕐 已更新 2026-09-17 📅 创建时间 2023-11-27
78
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
79
alan-ai/alan-sdk-android

您的应用的自编码系统 — Android 版 Alan AI SDK

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

您的应用的自编码系统 — Flutter版 Alan AI SDK

alan-ai
⭐ 1,768 Ruby 👤 alan-ai Organization 🕐 已更新 2025-04-22 📅 创建时间 2020-04-22
82
pixeltable/pixeltable

后端代理构建于——在一个文件中实现多模态数据库、编排和服务

pixeltable
⭐ 1,664 Python 👤 pixeltable Organization 🕐 已更新 2026-11-21 📅 创建时间 2023-05-10
83
alan-ai/alan-sdk-ionic

专为您的应用打造的自编码系统 — Ionic 版 Alan AI SDK

alan-ai
⭐ 1,661 TypeScript 👤 alan-ai Organization 🕐 已更新 2025-04-22 📅 创建时间 2020-04-24
84
UbiquitousLearning/mllm

移动设备上的快速多模态大语言模型

UbiquitousLearning
⭐ 1,643 C++ 👤 UbiquitousLearning User 🕐 已更新 2026-09-30 📅 创建时间 2023-08-30
85
verl-project/verl-omni

用于扩散模型和全模态模型的多模态强化学习训练框架

verl-project
⭐ 1,560 Python 👤 verl-project Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-21
86
ATH-MaaS/Ovis

一种新颖的多模态大语言模型(MLLM)架构,旨在结构上对齐视觉和文本嵌入。

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 已更新 2026-07-15 📅 创建时间 2024-06-13
87
valentinfrlch/ha-llmvision

为您的家提供视觉智能。

valentinfrlch
⭐ 1,535 Python 👤 valentinfrlch User 🕐 已更新 2026-11-12 📅 创建时间 2024-05-14
88
emcf/thepipe

利用视觉语言模型从棘手的文档中获取干净的数据 ⚡

emcf
⭐ 1,529 Python 👤 emcf User 🕐 已更新 2026-09-28 📅 创建时间 2024-03-22
89
jordanrendric/claude-video-vision

赋予Claude观看和理解视频的能力 — Claude Code插件,具备帧提取和多模态音频分析功能

jordanrendric
⭐ 1,523 TypeScript 👤 jordanrendric User 🕐 已更新 2026-10-14 📅 创建时间 2026-03-31
90
llm-jp/awesome-japanese-llm

日语LLM汇总 - 日语LLM概述

llm-jp
⭐ 1,446 TypeScript 👤 llm-jp Organization 🕐 已更新 2026-11-09 📅 创建时间 2023-07-09
91
xtreme1-io/xtreme1

Xtreme1 是一个用于多模态数据训练的一站式数据标注和注释平台,支持 3D LiDAR 点云、图像和 LLM。

xtreme1-io
⭐ 1,395 TypeScript 👤 xtreme1-io Organization 🕐 已更新 2026-09-29 📅 创建时间 2022-08-08
92
dailenson/SDT

本仓库是手写生成中的作者与字符风格解耦(CVPR 2023)的官方实现

dailenson
⭐ 1,393 Python 👤 dailenson User 🕐 已更新 2025-06-26 📅 创建时间 2023-03-22
93
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
94
Capsize-Games/airunner

艺术、实时语音对话、LLM驱动的聊天机器人和自动化工作流的离线推理引擎

Capsize-Games
⭐ 1,317 Python 👤 Capsize-Games Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-03-21
95
ysr666/dsh-vision-router

为纯文本 DeepSeek Harness 智能体配备视觉能力:内置免费视觉链路(无需密钥)+ 像素级视觉工具(问答、定位、裁剪、像素差异、颜色、OCR、SVG 描摹、抠图、截图)。一条命令即可安装,无需 Python,图像回合的工作方式与普通工具调用回合相同。

ysr666
⭐ 1,294 JavaScript 👤 ysr666 User 🕐 已更新 2026-11-21 📅 创建时间 2026-08-13
96
Anionex/agent-vision-toolkit

为纯文本模型“看图”设计更好的视觉工具箱和技能,支持多图理解,图片问答,前端UI还原、GUI 自动化等,并可选无缝接入多个主流agent,直接识别粘贴图片| 为纯文本LLM设计的视觉工具箱和技能——图片问答、长截图OCR、前端UI还原和GUI自动化,可选无缝集成Codex、Claude Code、Pi、Oh My Pi和OpenCode

Anionex
⭐ 1,267 Python 👤 Anionex User 🕐 已更新 2026-10-13 📅 创建时间 2026-08-01
97
unum-cloud/UForm

多模态感知的分布式训练与推理:文本、图像、视频、音频、代码和图表共享嵌入,维度范围为 64 至 1024 🖼️

unum-cloud
⭐ 1,253 Cuda 👤 unum-cloud Organization 🕐 已更新 2026-11-18 📅 创建时间 2023-02-21
98
Zen4-bit/Proxima

多AI MCP服务器 - 无需任何API即可将ChatGPT、Claude、Gemini和Perplexity连接到您的编码工具

Zen4-bit
⭐ 1,220 JavaScript 👤 Zen4-bit User 🕐 已更新 2026-11-20 📅 创建时间 2026-02-02
99
nv-tlabs/LLaMA-Mesh

利用语言模型统一 3D 网格生成

nv-tlabs
⭐ 1,153 Python 👤 nv-tlabs Organization 🕐 已更新 2025-03-28 📅 创建时间 2024-11-14
100
OpenMOSS/MOVA

一个在单一模型中生成同步视频和音频的基础模型

OpenMOSS
⭐ 1,151 Python 👤 OpenMOSS Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-01-28