#CLI (1744 repos)

slidocは、講義ビデオを各スライドとそのクリーンアップされたナレーションが対になったマークダウン形式に変換する…

この「Egocentric 3D Reconstruction Demo」は、一人称視点ビデオからの3D再構築の基礎を学ぶためのインタラクティブ…

NVIDIAのビデオワールドモデル「SANA-WM」をApple Silicon (MシリーズMac) で動作させるためのパッチとインタラクテ…

Vortelio Python SDKは、ローカル環境でLLM、画像、音声、動画、3Dモデルの生成を可能にするVortelioの公式Pythonク…

VisoRAGは、ローカルGPU環境で動作する、PDF、DOCX、画像ファイルの質問応答や情報抽出に特化したビジョンファースト…

supercutは、AIディレクターがライブWebアプリケーションを自動的に操作し、製品の魅力を伝える60秒の映画的なローン…

Taiwan ASR Toolkitは、台湾華語（繁体字中国語）に特化した高精度な音声認識ツールです。Qwen3-ASRとMediaTek Breez…

MemTestは、AIメモリシステムの評価に特化したユニバーサルなベンチマーク生成ツールです。手続き型生成により依存性…

Auralisは、約10億パラメータを持つハイブリッドLLM「Helix v2」（Mamba-2/GLA/Sparse-Attentionベース）を利用した…

「Making Commercials with LTX AI Video Guide」は、LTX-2 AIビデオモデルを活用し、商用ビデオやマーケティングプ…

Parleyは、音声指示型Vision-Language-Action（VLA）パイプライン向けのベンチマークツールキットです。このツールは…

Auto TikTokは、Douyin/TikTokクリエイター向けのローカルファーストなAI短編動画自動生成ツールです。与えられたト…

このリポジトリは、Googleの最新マルチモーダル埋め込みモデル`gemini-embedding-2`の経験的失敗モードと幾何学的特…

このPythonスクリプト群は、歴史家が自身の原稿を批判的に分析するための実験的なインフラストラクチャです。RAGアー…

Speechstack Recipesは、音声AIエージェント構築のための実用的なオープンソースレシピ集です。Vapi、Retell、LiveKi…

Windows向けのポータブルなマルチGPU音楽生成サーバーで、8種類のモデルを搭載。ワンクリックインストールで依存関係…

「tts-tool」は、テキストやMarkdown形式のコンテンツを高品質な音声オーディオに変換するAgent Skillです。URL、Mar…

SpeakSwiftlyは、macOS向けのローカルText-to-Speech（TTS）パッケージです。Swiftアプリケーション、デスクトップツ…

ApocDataは、中国A株市場のAIネイティブな金融データベースを提供するツールです。株価、財務データ、資金流動、各種…

card-skillは、Claude Codeスキルとして提供され、テキストコンテンツを洗練されたデザインのPNG画像に変換するツー…

「天眼 TTS Mobile」は、軽量なAndroid WebViewブラウザアプリです。PaseoやZCodeの遠隔操作ページ、あるいは一般的…

ChatWalaʻauは、完全にローカルで動作するフルスタックAIエージェントランタイムです。最新のチャットUIをAG-UIプロ…

Sirenは、生のビデオ/オーディオアセットからファインチューニングされた音声合成（TTS）モデルを作成するための、エ…

「image-studio」は、Claude Codeを活用して、CanvaなどのデザインツールやAI画像モデルなしで高品質な静的画像を生…