#GPU必須 (831 repos)

Agnes AI Platformは、Agnes AIのAPI（Agnes Image 2.1 FlashおよびAgnes Video V2.0）を利用した画像・動画生成のた…

Multimodal-Edge-Nodeは、実験的なノードベースの視覚的推論とマルチモーダル推論キャンバスです。ユーザーはカスタ…

DBMSolverは、高品質な画像間変換（Image-to-Image Translation）を実現するための、トレーニング不要な拡散ブリッジ…

このツールは、ICML 2026で発表された論文「Unsupervised Diffusion Solver for Combinatorial Optimization via Com…

uttera-tts-hotcoldは、ハイブリッドな「Hot/Cold」ワーカーアーキテクチャとプラグ可能なバックエンド（Coqui XTTS-…

PiD-Image-Upscalerは、NVIDIAのPiD（Pixel Diffusion Decoder）フレームワークを基盤とした、実験的な高機能超解像…

WavTTS-ComfyUIは、人気のある画像生成UI「ComfyUI」に統合されたWavTTSモデルのノードセットです。参照音声とテキス…

AI Film Studioは、Claude Code向けに設計されたエンドツーエンドのAI映画制作エージェントスキルです。ストーリーボ…

このツールは、NVIDIA Kimodo（テキスト駆動の3D人体モーション生成AIモデル）をSideFX Houdiniに連携させるブリッジ…

MisoTTS-ComfyUIは、ComfyUI向けのテキスト読み上げ（TTS）ノードです。Miso TTS 8BモデルとMimiオーディオトークン…

LandmarkDiffは、単一の顔写真から美容整形手術後の予測画像を生成する革新的なツールです。解剖学的に条件付けされ…

AI-Toolkit向けの「Viking Engine」は、非同期CUDAメモリマネージャーとbf16精度強制により、LoRA学習におけるVRAMの…

CUIGは、テキストから画像を生成する拡散モデルにおける概念忘却の研究コードベースです。本リポジトリは、独立、シ…

VoxFlash-TTSは、リアルタイム推論に特化した業界最速の音声クローンシステムです。ゼロショット学習により、事前学…

InsightATは、使いやすさと自動化に焦点を当てたオープンソースのオールインワンStructure-from-Motionシステムで、…

Kestrelは、ロボティクスおよびシミュレーションパイプライン向けのリアルタイム2D Gaussian Splattingビューアです…

「Supertonic 3 TTS App」は、Supertone Supertonic 3エンジンを搭載した、Windows向けのオンデバイス・ニューラルテ…

WIPES（Wavelet-based Visual Primitives）は、多次元視覚信号の効率的な表現を目的としたウェーブレットベースの視…

wan2.2-i2v-fastは、14BパラメータのWan-AI/Wan2.2-I2V-A14B-Diffusersモデルを活用した、実験的かつ高度に最適化さ…

このリポジトリは、NVIDIA DGX Sparkワークステーション向けの包括的な設定を提供します。Caddyリバースプロキシ、Op…

Nitographは、MNISTの数字をネオン風のストリングアートに変換し、釘から釘への連続的な糸の経路を生成するクラス条…

LiteRTLM Swift SDKは、GoogleのLiteRT-LM（オンデバイス推論エンジン）の非公式Swift SDKです。このツールはGemma 4…

Wan2GP Operatorは、WanGP/Wan2GPによるテキストからビデオ生成を効率化・自動化するオープンソースのCLIツールです…

M-LongDocは、EMNLP 2025で採択されたマルチモーダル超長文ドキュメント理解のための挑戦的なベンチマークと、検索対…