#GPU必須 (833 repos)

TokenSpeedは、agentic workloadsのために設計された「光速」LLM推論エンジンです。TensorRT-LLMと同等の高性能とvLL…

このリポジトリは、テキストから動画を生成する複数のAIモデル（longscope、zeroscopeなど）をGoogle Colab上で手軽…

エンドツーエンドの自律型AI科学研究エンジン「NanoResearch」は、研究アイデアから完全な論文作成までを自動化しま…

Phantomは、テキスト、画像、動画の複数モーダルな入力を元に、被写体の一貫性を高く保ちながら動画を生成する統合的…

「Voice Cloning App」は、PythonとPyTorchを利用して人間の音声を簡単に合成できるアプリケーションです。自動デー…

DepthFlowは、静止画像を魅力的な3Dパララックス効果のある動画に変換する高度なツールです。高品質なアニメーション…

ACE++は、指示文と参照画像を使って画像生成・ローカル編集・被写体や人物の一貫性維持をまとめて扱う画像生成フレー…

FireRed-Image-Editは、高精度な指示追従、高忠実度な画像生成、優れたアイデンティティの一貫性、シームレスな多要…

LanceはByteDanceが開発した30億パラメータのマルチモーダルAIモデルです。単一フレームワーク内で画像および動画の…

BigVGANは、NVIDIAが開発したユニバーサルなニューラルボコーダーであり、ICLR 2023で発表されました。大規模なデー…

HunyuanCustomは、画像、音声、ビデオ、テキストといった多様な入力モダリティを活用し、特定の被写体が登場するカス…

ComfyUI向けに高品質なインペイント機能を提供するノード集です。Fooocusインペイントモデル（SDXL対応）、LaMa、MAT…

このツールは、ComfyUIでSegment Anything 2モデルを使用するためのノードを提供します。現在開発中のPointsEditor機…

RES4LYFは、ComfyUI向けの先進的な画像生成サンプラーとユーティリティのコレクションです。独自のノイズスケーリン…

VNCCS（Visual Novel Character Creation Suite）は、視覚ノベル用のキャラクター画像を生成するための包括的なComfy…

Irodori-TTSは、Flow Matching技術を用いたテキスト音声合成モデルで、絵文字によるスタイル制御が可能です。参照音…

PIA (Personalized Image Animator) は、CVPR 2024で発表された、テキストプロンプトとパーソナライズモデルを組み合…

SEINEは、ICLR 2024で発表された、短い動画から長い動画を生成するビデオ拡散モデルです。動画の遷移生成や予測、画…

Berniniは、MLLMベースのセマンティックプランナーとDiTベースのレンダラーを組み合わせた、ビデオ生成および編集の…

「ComfyUI-MultiGPU v2」は、人気のある画像生成UI「ComfyUI」用のカスタムノードです。UNetやCLIPローダー、WanVide…

「Causal Forcing」およびその改良版「Causal Forcing++」は、因果ODEや因果Consistency Distillationを活用し、高品…

ComfyUI-FlashVSR_Ultra_Fastは、Diffusionベースのリアルタイム動画ストリーミング超解像モデルです。低いVRAM環境…

このツールは、人気の画像生成UI「ComfyUI」のカスタムノードであり、AIを用いた高品質な画像背景除去機能を提供しま…

このツールは、大規模言語モデル（LLM）のオンポリシー蒸留（OPD）のメカニズムとダイナミクスを系統的に調査する研…