ASR / 音声認識CWX-Transcribe
CWX-Transcribeは、OpenAIの`gpt-4o-transcribe-diarize`モデルを基盤とした、長時間の2話者インタビュー向け高精度…
★ 2 Apache-2.0 2026-05-06
#AI/ML (74 repos)
「AI/ML」タグが付いたリポジトリ
ASR / 音声認識
音声生成 / TTSnewscriber
NewScriberは、AIを活用した自律型の多言語ニュース編集・ポッドキャストスクリプト作成・音声ブリーフィング配信ネ…
★ 2 NOASSERTION 2026-06-10
マルチモーダルViz2Speech
Viz2Speechは、インドネシアの視覚障害者のアクセシビリティを向上させるために開発された、画像から音声への変換エ…
★ 2 ⑂ 1 MIT 2026-05-16
LLMrag-chatbot-university
UniMindは、大学生向けのAIを活用したRAG（検索拡張生成）チャットボットで、大学のノートに関する質問に即座に答え…
★ 1 2026-05-30
画像生成TBAF
TBAF（Triangle Based Activation Function）は、画像ベースモデル向けの画期的な活性化関数です。自己回帰的な画像…
★ 1 MIT 2026-05-25
画像生成nano-banana-2-api
APIDotのNano Banana 2 APIは、GoogleのGemini 3.1 Flash Imageモデルを活用し、高速で高品質な画像生成と自然言語に…
★ 1 MIT 2026-05-25
マルチモーダルOpen-AutoGLM
AIを活用して電話でのモバイルタスクを自動化するスマートアシスタントフレームワークです。AutoGLMを基盤とし、直感…
★ 1 ⑂ 1 Apache-2.0 2026-06-26
音声生成 / TTSlogica-voice
Logica Voiceは、オープンソースで音声ネイティブな会話型AIエンジンです。フルデュプレックス、マルチエージェント…
★ 1 ⑂ 1 MIT 2026-06-04
3D / NeRFfaster-trellis
「faster-trellis」は、Microsoftの「TRELLIS v1」における画像から3Dモデルへの変換を、学習不要で高速化するライブ…
★ 1 NOASSERTION 2026-06-11
動画生成awesome-ai-restaurant-video-prompts
このGitHubリポジトリは、AIを活用したレストランおよび食品マーケティングのビデオプロンプト、反復可能なワークフ…
★ 1 2026-04-28
ASR / 音声認識BaltiVoice-ASR
BaltiVoice ASRは、バルティ語（チベット語族の低リソース言語）の音声をテキストに変換する初のAI音声認識（ASR）シ…
★ 1 MIT 2026-06-12
マルチモーダルresiduos_yolov11m_gemma3
このリポジトリは、ブラジルの都市部における不法投棄監視のためのAI活用に関する大学の卒業研究の成果物です。オブ…
★ 1 2026-06-13
LLMfish-ecology-assistant
Panta Rhei · Everything Flows（Fish Ecology Assistant）は、コーディングエージェントを動的な世界観とDeepSeekレ…
★ 0 MIT 2026-06-25