#CLI (1751 repos)

Whisper JAXは、OpenAIのWhisperモデルをJAXで実装したもので、特にTPUでの実行時にOpenAIのPyTorch版と比較して最大…

Align-Anythingは、あらゆるモダリティの大規模モデル（any-to-anyモデル）を人間の意図や価値観に合わせることを目…

「Neuralangelo」は、CVPR 2023で発表された高精度なニューラル表面再構成のための公式実装ツールです。既存の動画か…

NVlabs/tiny-cuda-nnは、高速なC++/CUDAベースのニューラルネットワークフレームワークです。「完全に融合された」多…

memory-lancedb-proは、OpenClawエージェントに長期記憶能力を付与するLanceDBベースのプラグインです。AIエージェン…

Deep Dazeは、OpenAIのCLIPとSiren（Implicit neural representation network）を活用して、テキストプロンプトから…

Champは、3Dパラメトリックガイダンスを用いて、人間画像の制御可能かつ一貫したアニメーションを生成するツールです…

lmms-evalは、テキスト、画像、ビデオ、オーディオといった様々なモダリティを横断する、オールインワンのマルチモー…

Text2Video-Zeroは、既存のText-to-Image拡散モデルを活用し、テキストプロンプトから動画をゼロショット生成するツ…

Clawithは、オープンソースのマルチエージェントコラボレーションプラットフォームです。各AIエージェントに永続的な…

LingBot-Worldは、ビデオ生成技術を基盤としたオープンソースの世界シミュレーター（ワールドモデル）です。リアルタ…

このツールは、GitHub上のAI関連OSSを自動でWordPressカタログ化するシステムです。LLM（Gemini, Claude, Codexなど…

このリポジトリは、オープンソースのAIプロジェクト、モデル、ツール、インフラストラクチャを厳選したリストです。P…

VACEは、ICCV 2025で発表された論文の公式実装で、ビデオの作成と編集を目的としたオールインワンのAIモデルです。参…

このツールは、リアルタイム動的シーンレンダリングのための「4D Gaussian Splatting」手法を実装しています。CVPR 2…

OpenSfMはPythonで書かれたStructure from Motion（SfM）ライブラリで、複数の画像からカメラの姿勢と3Dシーンを再構…

MOSS-TTS-Nanoは、MOSI.AIとOpenMOSSチームが開発したオープンソースの多言語対応小型音声生成モデルです。わずか0.1…

FastVideoは、ビデオ生成を高速化するための統合された推論および後処理フレームワークです。最先端のビデオ生成モデ…

「Remove-AI-Watermarks」は、Google Gemini、ChatGPT/DALL-E、Stable Diffusion、Adobe Firefly、Midjourneyなど、…

このツールは、AIエージェント（Claude Code、Cursor、Gemini CLIなど）向けに設計されたマルチモーダル生成メディア…

BlenderProc2は、フォトリアリスティックなトレーニング画像を生成するためのプロシージャルなBlenderパイプラインで…

TurboDiffusionは、ビデオ拡散モデルによる動画生成を100〜200倍に高速化するフレームワークです。単一のRTX 5090な…

MapAnythingは、画像、キャリブレーション、ポーズ、深度などの多様な入力から、統一されたフィードフォワードのトラ…

AliceVisionは、写真から3Dオブジェクトやシーンを再構築し、カメラの動きを追跡するフォトグラメトリー・コンピュー…