#GPU必須 (831 repos)

CosyVoiceUIは、NVIDIA Triton Inference ServerとFastAPIを基盤とした高性能なCosyVoiceテキスト読み上げ（TTS）管…

EasyScriptはWhisper AIを搭載したデスクトップアプリケーションで、音声・動画ファイルの文字起こしと翻訳、リアル…

「photo-to-mesh」は、オブジェクトの写真をクリーンでスケーリングされたダウンロード可能な3Dメッシュに変換するツ…

RI3D（few-shot gaussian splatting）の最新実装で、わずか3枚の画像から高品質なガウシアンスプラットを生成します…

diffsplatは、PyTorchなどの深層学習フレームワークに依存せず、CUDAを用いてゼロから実装された微分可能な3D Gaussi…

mini-pi0は、ロボットの動作ポリシーをフローマッチングにより学習するためのコンパクトな研究コードベースです。特…

Edmon02によって開発されたこのAIツールは、英語の動画コンテンツを高品質な東・西アルメニア語に自動的に吹き替える…

Splattieは、1枚の静止画像からインタラクティブなリグ付き3D Gaussian Splattingアセット（頭部、全身、オブジェク…

RoomScan-GaussianSplatServerは、Meta Questヘッドセットからのキーフレームと点群データを受信し、COLMAP変換とGau…

Local Brain RAGは、プライバシーを最優先し、完全にオフラインで動作する超最適化された知識ベースです。複雑なコー…

AI映画制作のためのエージェントスキル集で、散文から映像制作まで一貫したプロセスを自動化します。物語の連続性抽…

Dermagemmaは、皮膚の色が濃い患者（スキントーンIV-VI）に対するAI皮膚科診断の精度低下という医療格差を解消するた…

crisp-captionは、ブラウザの音声やライブストリーム、OBSでの配信に対して、リアルタイムで日本語のライブキャプシ…

Delamainは、Cyberpunk 2077のデラメインを模した、自己ホスト型AI車両コンパニオンです。sunnypilotとCommaハードウ…

Manu Designは、チーム向けのオープンソースAIデザインワークフローエンジンです。ブランディングに沿った高品質な画…

HexySARは、洞窟での捜索救助活動のために開発されたAI搭載の六足歩行ロボットシステムです。危険な洞窟環境にロボッ…

このリポジトリは、Multimodal LLM (MLLM) が芸術作品をどのように記述するかを解明する研究の公式コードです。Token…

AIBLIは、スクリプトから字幕付きショートビデオまでを一貫して自動生成する、AI仮想キャラクターの音声・動画合成パ…

Bernini Studio UIは、ByteDanceの強力な画像・動画生成AIモデル「Bernini」の推論を、より操作しやすくするために開…

aeon-music-makerは、テキスト記述からスタジオ品質の音楽を生成するCLIツールです。ACE Step 1.5 XLモデルを活用し…

FoveaEngineは、Godot 4.6+向けに開発された次世代VRレンダリングエンジンです。従来の3Dパイプラインを超越するため…

Monolithは、LLM（大規模言語モデル）、Stable Diffusion、音声生成などに対応したローカルAIワークステーションです…

「LTX Desktop Unlocked」は、AIによる動画・画像生成を行うデスクトップアプリケーションのアンロック版です。従来…

PopTech Studioが提供するAI Cinema Studio Engineは、自社ホスト型のAI映画制作エンジンです。Higgsfield Cinema St…