音声生成 / TTSTTS-WebUI
TTS WebUIは、GradioとReactを基盤とする統合型Webユーザーインターフェースで、様々なテキスト読み上げ（TTS）、音…
★ 3.2k ⑂ 326 MIT 2026-07-06
#Python (2196 repos)
「Python」タグが付いたリポジトリ
音声生成 / TTS
ASR / 音声認識whisper-large-v3-turbo
Whisper large-v3-turboは、OpenAIが提案する最先端の自動音声認識（ASR）および音声翻訳モデルであるWhisper large-…
❤ 3.2k ↓ 7.9M mit 2024-10-04
ComfyUIComfyUI-Custom-Scripts
ComfyUI-Custom-Scriptsは、AI画像生成ツールComfyUIのユーザーインターフェースを強化し、実験的な機能を追加するた…
★ 3.1k ⑂ 265 MIT 2026-02-12
AIエージェントAuto-Empirical-Research-Skills
「Auto-Empirical Research Skills (AERS)」は、8つの社会科学分野にわたる23,000以上のAIエージェントスキルを厳選…
★ 3.1k ⑂ 409 NOASSERTION 2026-07-27
動画生成DynamiCrafter
DynamiCrafterは、テキストプロンプトに基づいてオープンドメインの静止画をアニメーション化するツールです。事前学…
★ 3.0k ⑂ 244 Apache-2.0 2024-09-08
LLMOpenKB
OpenKB（Open Knowledge Base）は、LLM（大規模言語モデル）を活用して、様々な形式の生文書（PDF, Word, Markdownな…
★ 3.0k ⑂ 329 Apache-2.0 2026-07-13
ComfyUIComfyUI-nunchaku
Nunchaku ComfyUI Pluginは、SVDQuantで量子化された4-bitニューラルネットワーク向けの効率的な推論エンジン「Nunch…
★ 2.9k ⑂ 169 Apache-2.0 2026-02-19
音声生成 / TTSAudioLDM
AudioLDMは、テキスト入力からスピーチ、効果音、音楽などを生成できる革新的なオーディオ生成ツールです。ICML 2023…
★ 2.9k ⑂ 268 NOASSERTION 2025-06-25
3D / NeRFPapers-in-100-Lines-of-Code
このリポジトリは、主要なAI/機械学習の学術論文で提唱されたアルゴリズムやモデルを、わずか100行程度の簡潔なPytho…
★ 2.8k ⑂ 255 MIT 2026-04-08
音声生成 / TTSMARS5-TTS
MARS5は、CAMB.AIが開発した英語の音声合成（TTS）モデルです。わずか5秒の音声とテキストスニペットから、スポーツ…
★ 2.8k ⑂ 245 AGPL-3.0 2024-08-01
画像生成Kandinsky-2
Kandinsky 2.2は、多言語対応のテキストから画像を生成する強力な潜在拡散モデルです。前バージョンのKandinsky 2.1…
★ 2.8k ⑂ 317 Apache-2.0 2024-05-01
3D / NeRFnerf_pl
このツールは、NeRF (Neural Radiance Fields) をPyTorch-Lightningで非公式に実装したものです。公式実装と比較して…
★ 2.8k ⑂ 458 MIT 2023-08-03
画像生成dalle-playground
このプロジェクトは、Stable Diffusion V2を用いてテキストプロンプトから画像を生成するためのプレイグラウンドです…
★ 2.7k ⑂ 576 MIT 2024-06-03
動画生成Stable-Diffusion
Dr. Furkan Gözükara氏によるジェネレーティブAIに関する専門的なチュートリアル、研究、開発リソース集です。Stable…
★ 2.7k ⑂ 371 GPL-3.0 2026-07-15
AIエージェントdanghuangshang
「当皇上」は、明朝の内閣制などをモデルにAIエージェントの協調システムを構築するチュートリアルです。OpenClawフ…
★ 2.7k ⑂ 253 MIT 2026-05-22
3D / NeRFGeneFace
GeneFaceは、音声駆動による汎用的で高忠実度な3D話者顔合成を実現するICLR 2023で発表された公式PyTorch実装です。…
★ 2.7k ⑂ 293 MIT 2024-10-18
音声生成 / TTSAudioLDM2
AudioLDM 2は、テキストプロンプトからオーディオ（音楽を含む）、スピーチ、超解像インペインティングを生成できる…
★ 2.6k ⑂ 209 NOASSERTION 2024-09-29
ComfyUIComfyUI-SeedVR2_VideoUpscaler
ComfyUI-SeedVR2_VideoUpscalerは、高品質なビデオと画像のアップスケーリングを可能にするComfyUI向けの公式SeedVR2…
★ 2.6k ⑂ 209 Apache-2.0 2025-12-24
画像生成sdxl-turbo
SDXL-Turboは、Stability AIが開発した高速な生成テキストから画像へのモデルです。リアルタイム合成に特化しており…
❤ 2.6k ↓ 778.3k other 2024-07-10
AIエージェントclaude-code-from-scratch
「Claude Code From Scratch」は、大規模なCoding AgentであるClaude Codeの複雑なアーキテクチャを、わずか約4300行…
★ 2.5k ⑂ 512 MIT 2026-07-09
ComfyUIComfyUI-to-Python-Extension
ComfyUIで作成したノードベースのワークフローを、そのまま実行可能なPythonスクリプトへ変換できる拡張ツールです。…
★ 2.4k ⑂ 211 MIT 2026-05-10
AIエージェントawesome-autoresearch
「Awesome Autoresearch」は、Karpathyのオートリサーチに触発された自律的な改善ループ、研究エージェント、および…
★ 2.3k ⑂ 177 NOASSERTION 2026-06-22
動画生成Awesome-Video-Diffusion-Models
このリポジトリは、ビデオ拡散モデルに関する包括的な調査論文「A Survey on Video Diffusion Models」を提供してい…
★ 2.3k ⑂ 116 2026-06-22
LLMhow-to-train-your-gpt
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…
★ 2.3k ⑂ 306 MIT 2026-06-23