マルチモーダルMultimodal-Recommendation-Library
MRLibは、マルチモーダル推薦システムの研究開発に特化したオープンソースライブラリです。画像、テキスト、音声など…
★ 160 ⑂ 14 MIT 2026-05-08
#CLI (1732 repos)
「CLI」タグが付いたリポジトリ
マルチモーダル
AIエージェントagent-qa
agent-qaは、Webおよびモバイルアプリケーション向けの自己改善型エージェントQAハーネスです。自然言語でテストを記…
★ 160 ⑂ 9 NOASSERTION 2026-06-14
動画生成Crayotter
Crayotterは、単一のテキストリクエストから完全に編集されたビデオを生成する、マルチモーダルでエージェント駆動型…
★ 158 ⑂ 10 2026-07-14
AIエージェントkimiflare
Kimiflareは、MoonshotのKimiをはじめ、Claude、GPT-5、Gemini、Llamaなど複数のAIモデルを、ユーザー自身のCloudfla…
★ 158 ⑂ 19 MIT 2026-07-12
マルチモーダルVibeVoice-ASR-HF
VibeVoice-ASR-HFは、Microsoftの長時間音声向け音声認識モデルをTransformers互換で使えるようにしたツールです。最…
❤ 158 ↓ 464.7k mit 2026-03-09
3D / NeRF3DGS-PLY-3DTiles-Converter
「3DGS-PLY-3DTiles-Converter」は、Gaussian SplattingのPLYファイルを効率的に3D Tiles形式へ変換するNode.jsベー…
★ 157 ⑂ 13 Apache-2.0 2026-07-11
AIエージェント21-day-self-interview
このツール「21 Days of Self-Interview」は、AIが実存主義心理カウンセラーとして、21日間毎晩3つの質問を投げかけ…
★ 155 ⑂ 54 MIT 2026-06-08
ASR / 音声認識Doubao-ime-hammerspoon
このプロジェクトは、macOS上で「豆包入力法」の優れた無料音声入力機能を、メインの入力法として利用せずに便利に使…
★ 155 ⑂ 14 2026-04-04
3D / NeRFMAGICIAN
MAGICIANは、CVPR 2026で発表された、能動的なマッピングのための効率的な長期計画手法です。このツールは「Imagined…
★ 155 ⑂ 9 2026-05-27
AIエージェントopendocswork-mcp
office-oxide-mcpは、Excel、Word、PowerPoint、PDFなどのOfficeドキュメント処理に特化したRust製の高速MCP（Multi-…
★ 154 ⑂ 13 GPL-3.0 2026-06-16
画像生成Mobile-O
Mobile-Oは、モバイルデバイス上で動作する、統一されたマルチモーダルAIモデルです。画像理解（VQA、OCR、推論）と…
★ 153 ⑂ 15 NOASSERTION 2026-04-13
ASR / 音声認識livecaption
livecaptionは、macOS (Apple Silicon) 向けのリアルタイムオンデバイス音声転写および翻訳を行うCLIツールです。UI…
★ 153 ⑂ 20 2026-06-29
AIエージェントinvincat
Invincat CLIは、DeepAgents CLIを基盤としたPython製のターミナルAIプログラミングアシスタントです。ローカルリポ…
★ 152 ⑂ 15 MIT 2026-05-26
AIエージェントghostwork
Ghostworkは、ユーザーの画面操作を常時監視し、作業パターンを自動的に学習することで、反復的なタスクを自動化する…
★ 152 ⑂ 8 NOASSERTION 2026-07-02
動画生成vibeframe
VibeFrameは、AIエージェントと連携してテキストのブリーフから最終的なMP4動画を生成、編集、出荷できるAIネイティ…
★ 151 ⑂ 29 MIT 2026-07-01
動画生成HiAR
HiARは、階層的な自己回帰型のビデオ生成ツールで、従来のブロックファースト型からステップファースト型へと処理を…
★ 151 ⑂ 6 Apache-2.0 2026-06-19
マルチモーダルcerul
Cerulは、AIエージェント向けの動画検索レイヤーであり、音声だけでなく、スライド、グラフ、デモ、画面上のテキスト…
★ 149 ⑂ 8 Apache-2.0 2026-07-13
動画生成Wan2.2-TI2V-5B-Diffusers
Wan2.2は、テキストや画像から高品質な動画を生成する先進的な大規模動画生成モデルです。MoEアーキテクチャにより効…
❤ 148 ↓ 116.1k apache-2.0 2025-08-09
マルチモーダルICLR2026-Guide-CN
本ツールは、ICLR 2026の全5,352論文を大規模言語モデル（LLM）が分析し、その内容を「研究動機」「解決問題」「主要…
★ 147 ⑂ 7 2026-04-29
LLMchunky
Chunkyは、RAG（Retrieval-Augmented Generation）パイプラインの品質を向上させるためのローカルでオープンソースの…
★ 147 ⑂ 13 MIT 2026-07-07
画像生成CDM
本ツールは、「Continuous-Time Distribution Matching (CDM)」技術を用いた、少ステップ拡散蒸留のためのフレームワ…
★ 147 ⑂ 6 MIT 2026-05-11
AIエージェントagentic-engineering-handbook
このリポジトリは、AIエージェントシステムの構築に関する分散した知識を集約し、体系的な学習ロードマップを提供す…
★ 146 ⑂ 8 MIT 2026-06-27
音声生成 / TTSVTS
VTS（Voice To Sound）は、ユーザーの音声スケッチとテキストプロンプトを組み合わせて効果音を生成するツールです。…
★ 143 ⑂ 6 MIT 2026-06-18
ASR / 音声認識awesome-voice-typing
このプロジェクトは、オープンソースの音声テキスト化ツールと音声入力ツールの厳選されたリストです。Linux、macOS…
★ 143 ⑂ 25 MIT 2026-05-17