#GPU推奨 (101 repos)

このリポジトリは、書籍「Build a Large Language Model (From Scratch)」の公式コードベースです。GPTに似た大規模…

Voiceboxは、ElevenLabsやWisprFlowの機能を統合した、オープンソースのAI音声スタジオです。数秒の音声サンプルから…

Invokeは、Stable Diffusionモデルを活用し、プロフェッショナルから愛好家まで幅広いユーザーがビジュアルメディア…

IndexTTS2は、感情豊かで再生時間の厳密な制御が可能な自己回帰型ゼロショットテキスト音声合成（TTS）モデルです。…

Meshroomは、複雑なデータ処理パイプラインを作成、管理、実行するためのオープンソースのノードベースのビジュアル…

X-AnyLabelingは、Segment Anythingなどの強力なAIモデルを活用し、データラベリングを効率化するツールです。自動ラ…

Xorbits Inference (Xinference) は、言語、音声認識、マルチモーダルモデルの提供を容易にする強力で多機能なライブ…

Bert-VITS2は、多言語BERTをVITS2バックボーンに統合したテキスト読み上げ（TTS）システムです。このツールは、高度…

MIT 6.S191「Introduction to Deep Learning」の公式コードとソフトウェアラボ資料を提供するリポジトリです。本コー…

min(DALL·E)は、Boris Dayma氏のDALL·E Mini（メガウェイト版）を高速かつ最小限に移植したPyTorchベースの画像生成…

このリポジリは、ChatGPTなどに使われている大規模言語モデル（LLM）をゼロから構築、学習、実行する方法を学ぶため…

audio-diffusion-pytorchは、PyTorchで拡散モデルを用いてオーディオを生成するための多機能ライブラリです。無条件…

Make-A-Video Pytorchは、Meta AIが発表した最先端のテキストから動画を生成するモデル「Make-A-Video」をPyTorchで…

comfyui-mixlab-nodesは、ComfyUI向けにWebアプリ化、画面共有、音声認識・音声合成、GPT連携、3D生成などをまとめて…

ComfyUI向けの高速・簡単な顔交換ノード集で、画像内の顔を別の顔へ差し替えるワークフローをWeb UI上で構築できます…

Tangoは、LLM（Flan-T5）によってガイドされる潜在拡散モデル（LDM）を用いた、テキストからオーディオを生成するツ…

ComfyUI上で動画や連番画像の中間フレームを生成し、フレーム補間による滑らかな映像化を行うためのカスタムノード集…

Searge-SDXLは、ComfyUI向けのSDXL 1.0用カスタムノード拡張と統合ワークフローです。baseモデルとrefinerモデルを組…

このツールは、ComfyUI内で動作するカスタムノード集です。音声からボーカル、ベース、ドラム、その他の楽器といった…

ComfyUI-Wan22FMLFは、Wan2.2 A14B I2V向けに複数の参照画像・参照フレームを使って動画生成を安定化させるComfyUI用…

SCEPTERは、生成AIモデルの学習・微調整・推論を一通り扱えるオープンソース基盤です。画像生成、画像編集、スタイル…

ComfyUI上でDepth Anything V3を使えるようにするカスタムノード集です。単一画像や複数視点画像から深度推定を行い…

ZenIDは、ComfyUI向けのカスタムノードとして提供される顔入れ替え・顔合成ツールです。InstantID系を土台に、Face S…

DISCOは、タンパク質配列と3次元構造を同時に設計できる拡散ベースのマルチモーダル生成モデルです。小分子リガンド…