#CLI (1745 repos)

blind-vision-mcpは、テキストベースのLLM（大規模言語モデル）に「視覚」を与えるMCPサーバーです。GPT-4 VisionやC…

このツールは、MCP（Model Context Protocol）サーバーであり、litmedia.aiのテキストから画像生成、画像から動画生…

S2Sは、Rustとsherpa-onnxフレームワークを活用した、高性能で軽量なローカルSTT（音声認識）およびTTS（音声合成）A…

opencli-skillは、AIエージェントがWindowsデスクトップ上でブラウザ操作やアプリケーション制御などのタスクを自動…

このプロジェクトは、テキストプロンプトからプラットフォーム対応のビデオを自動生成する自律型マルチエージェントA…

Calfcordは、Discordサーバー内で独自のペルソナを持つAIエージェントの分散チームを構築できるツールです。各エージ…

このリポジトリは、ウェアラブルデバイス、スマートフォン、気候データから得られる自己教師ありマルチモーダル情報…

このGitHubアクションは、AI（LLM）を活用してプルリクエストの内容を自動的に要約し、開発者の負担を軽減します。主…

voice-send-mcpは、AIチャットクライアント内で再生可能な短い音声メッセージ（TTSボイスバブル）を送信するためのス…

本リポジトリは、人再識別における「拡散ベースのセマンティックカモフラージュ攻撃（DSCA）」に特化した軽量なPyTor…

Voxiは、Instagram、YouTube、TikTok、X、Facebookといったソーシャルメディアの動画をローカル環境で文字起こしする…

zskyai-prompt-builderは、AIによる画像・動画生成のためのプロンプトを効率的に作成できる対話型のCLIツールです。…

このプロジェクトは、強化学習を用いてドラムビートを自動生成するPPOエージェントを開発しています。エージェントは…

Jarvisは、Whisper、Qwen、Piper、Qdrantなどの技術を組み合わせた完全ローカルの音声AIアシスタントです。ウェイク…

DESIGNOSFORGEは、AIデザインにおける視覚的な問題を解決し、統制されたデザインワークフローを実現するオープンソー…

Kithaironは、モノフォニックなメロディから演奏可能で説明可能なカノンのバリアントを生成するシンボリック音楽コン…

「vision-bridge-skill」は、多モーダル対応ではないAIモデルに対し、画像、PDF、スクリーンショット、図表などの視…

Oracleは、Agnoを基盤とした自律型AIコーディングエージェントです。CLIまたはWeb UIを通じて、コードの読み書き、編…

このツールは、Ollamaサーバーとモバイル/ウェブアプリケーションを安全に接続するためのNode.js Expressミドルウェ…

このリポジトリは、週末プロジェクトとしてゼロから構築されたVision-Language Model (VLM) の実装と、そのマルチGPU…

Nipmodは、エージェントコードのための検証可能なパッケージレイヤーを提供します。Gitlawbをソースとするパッケージ…

Auratuneは、Lofi Girlのような没入型体験にインスパイアされた、Lo-fiスタイルのデジタルコンテンツ作成システムで…

Drishtiは、コードとドキュメントの理解を深めるためのマルチモーダルなRAG（検索拡張生成）システムです。Tree-sitt…

この「TTS Video Generator」は、Python、ElevenLabsの音声合成、FFmpegを組み合わせて、AI音声と同期字幕付きの短い…