#Python (2218 repos)

ThinkJEPAは、ビジョン-言語モデル(VLM)とJEPA(Joint Embedding Predictive Architecture)を統合したデュアルパス具…

「Realtime Call Translator」は、ビデオ/音声通話中にリアルタイムで音声を翻訳するツールです。あなたが話す言語は…

Echoicは、AIを活用した発話練習ツールです。任意の音声ファイルをインポートし、文章ごとに発話練習を行い、音素レ…

OVGGTは、トレーニング不要で、任意に長いビデオストリームからリアルタイムで3D再構成を可能にする革新的なフレーム…

このツールは、感情状態、記憶の固定点、象徴的な原型に基づいて超現実的な夢のシーケンスを生成するエンジンです。…

「Irodori OpenAI TTS Server」は、Aratako/Irodori-TTSの500M v3ベースモデル向けに開発された、OpenAI Text-to-Spe…

ComfyUI-Groundingは、ComfyUI上でテキスト指定による物体検出・領域マスク生成・SAM2セグメンテーションをまとめて…

BitBrainは、最小限のGPUリソース（RTX 3090以上）で独自の小型LLM（miniLLM）を学習できるプロジェクトです。Qwen3-…

LatentScoreは、テキスト記述からアンビエントミュージックを生成するPythonライブラリです。GPU不要でローカル環境…

「VoiceInput」は、Windows OS向けのAI音声入力ツールです。指定されたショートカットキーを押すだけで、話した内容…

Image2 Ads Studioは、Image2向けの広告プロンプト生成エージェントです。顧客のビジネス要件、コピー、参考画像を分…

PhyMotionは、人間のビデオ生成におけるリアルなモーション生成の課題を解決するために提案された、構造化された詳細…

Voice-Zeroは、ゼロショットテキスト音声合成エンジン（Chatterbox、Pocket TTSなど）で利用可能な、高品質なオープ…

このリポジトリは、拡散大規模言語モデル（dLLM）向けのトレーニング不要でプラグアンドプレイな動的デコーディング…

Workspace-Benchは、大規模なファイル依存関係を持つワークスペースタスクにおいてAIエージェントの能力を評価するた…

このプロジェクトは、1,000万件以上の大規模なドキュメント群に対応し、幻覚（Hallucination）をほぼゼロに抑えるこ…

このプロジェクトは、ビデオから3D再構築を効率的に行うためのツールです。VGGT（Video-based General-purpose Geome…

1rokは、OpenAI、Anthropic、Geminiなどの多様なLLMプロバイダーと、Alpaca、Yahoo Finance、FREDといった金融ツール…

ND Super Nodesは、人気の画像生成AIツールComfyUI向けに設計された、モダンで使いやすいカスタムノード群です。特に…

「AI Flow Architect」は、単一のAI出力に依存することなく、LLM（大規模言語モデル）のハルシネーション（誤情報生…

Colored Noise Diffusion Sampling (CNS)は、拡散モデルの画像生成プロセスを最適化するプラグアンドプレイ型のSDEサ…

「Voice agents from scratch」は、Pythonでリアルタイム音声エージェントをゼロから構築するための実践的なチュート…

VL-Calibrationは、大規模視覚言語モデル（LVLMs）の推論における信頼性キャリブレーションを向上させるためのフレー…

PatentRadarは、特許公開番号を入力するだけで、弁護士やエンジニアが直接レビュー可能なクレームチャート報告書を自…