#GPU必須 (833 repos)

HDR-GSは、Gaussian Splatting技術を用いて、HDR（ハイダイナミックレンジ）の新規視点合成を1000倍の速度で効率的に…

Seedance 2.0は、画像、動画、音声、テキストの4つのモダリティを同時に入力として受け付け、自然言語で詳細な効果を…

ComfyUI_FlashVSRは、リアルタイム拡散ベースのストリーミングビデオ超解像技術「FlashVSR」をComfyUI上で利用可能に…

Late CLIは、AI開発チームの作業を効率的にオーケストレーションするためのCLIツールです。エフェメラルなサブエージ…

Tesseraは、大規模なLLM（教師モデル）を小型のLLM（生徒モデル）に蒸留し、その生徒モデルを効率的に提供することを…

「ComfyUI-Depthflow-Nodes」は、2D画像を魅力的な2.5Dパララックスアニメーションに変換するためのComfyUI用ノード…

SAM-Body4Dは、動画からトレーニング不要で一時的に一貫性のある堅牢な4D人体メッシュを復元するツールです。SAM-3、…

OmniVGGTは、空間認識のための最先端の基盤モデルです。本ツールは、深度、カメラ内部パラメータ、ポーズといった任…

NexusRAGは、ベクトル検索、ナレッジグラフ、クロスエンコーダー再ランキングを統合した高度なハイブリッドRAGシステ…

RefAlignは、参照画像をもとに動画を生成するReference-to-Video向けのPyTorch実装です。学習時にDiTの参照分岐特徴…

Comfy-Photoshop-SDは、画像生成AIツールComfyUIとPhotoshopのAuto-Photoshop-SDプラグインを連携させる拡張機能です…

Hallo-Liveは、テキスト入力からリアルタイムでアバターのビデオと音声を生成する先進的なフレームワークです。因果…

ComfyUI向けにStyleAligned技術を実装したツールです。このツールは、画像生成において一貫したスタイルを適用するこ…

AudioStoryは、大規模言語モデル（LLM）とText-to-Audio (TTA) システムを統合し、長尺の物語音声生成を可能にする統…

TurboOCRは、C++、CUDA、TensorRT技術を活用した高速GPU OCRサーバーです。FUNSDデータセットで270 img/s、疎な画像…

Kiwi-Editは、自然言語の指示と参照画像を活用した多機能な動画編集を可能にする、完全にオープンソースのフレームワ…

parakeet.cppは、NVIDIAのParakeet音声認識モデルを超高速でC++に実装し、デバイス上での推論を可能にするライブラリ…

「CosyVoice-ComfyUI」は、最先端の音声生成モデルCosyVoiceの機能をComfyUI上で利用可能にするカスタムノードです。…

ComfyUI-JoyCaptionは、LLaVAモデルを活用したComfyUI用のカスタムノードです。画像からスタイル付きのキャプション…

ComfyUI-ResAdapterは、人気のある画像生成AI「ResAdapter」の機能をComfyUI上で利用可能にするための拡張機能です。…

本ツール「World Reconstruction From Inconsistent Views」は、ビデオ拡散モデルから3Dの世界を再構築する革新的な…

HyDRAは、動的なビデオ世界モデルにおいて、視界外に移動した被写体の追跡と動きの連続性維持を可能にするハイブリッ…

Sibyl Research Systemは、文献調査から仮説生成、GPU実験実行、そして学会発表レベルの論文執筆まで、機械学習研究…

ComfyUI Whisperは、OpenAIのWhisperモデルを利用して音声の文字起こしや動画への字幕追加を可能にするComfyUIの拡張…