#Python (2196 repos)

ATM-Benchは、画像、動画、メールなどのマルチモーダルデータに対し、約4年間にわたる長期的なパーソナライズされた…

本ツールは、Meta Questデバイスでキャプチャされたパススルー画像と深度データを用いて3Dシーンを再構築するための…

MuGSは、MuJoCo物理シミュレーションと3D Gaussian Splatting (3DGS) を組み合わせたハイブリッドレンダリングパイプ…

LeapAlignは、フローマッチングモデルを人間の好みに合わせて微調整するための学習後手法です。完全なサンプリング軌…

このリポジトリは、Google Gemini Omni APIのプロンプト集です。MuAPIを通じて独占的に提供されるGemini Omni APIの…

foivospar氏のArc2Faceモデルを基盤としたComfyUI用カスタムノードライブラリです。このツールは、画像から顔の埋め…

ComfyUI上でAudioXモデルを使い、テキストや動画を入力として高品質な音声・音楽を生成できる拡張機能です。テキスト…

Memexaは、AIエージェントと人間が中国語のデータを扱うための自己ホスト型記憶グラフツールです。WeChat、QQ、飛書…

voicetagは、Pythonで書かれた話者分離および話者識別ライブラリです。pyannote.audioとresemblyzerを組み合わせて「…

RealisDance-ComfyUIは、RealisDanceをComfyUI上で扱うためのカスタムノードです。参照画像に加え、DWpose、HaMeR、S…

SynthBridgeは、ユーザーが入力したコード進行やメロディをリアルタイムで生成し、即座に演奏できる音楽生成Webアプ…

ComfyUI-AceStep SFTは、最先端の音楽生成モデル「AceStep 1.5 SFT」をComfyUIに実装するためのモジュラーノードスイ…

このリポジリは、AIによる動画生成プロジェクト「Open-Sora-Plan」のワークフローを、人気の高いビジュアルプログラ…

このツール「youtube-to-knowledge」は、YouTube動画を文字起こし、要約、そしてインタラクティブな知識グラフへと変…

Audio-Oscarは、複雑な音声シーン記述から長尺で制御可能な音声を生成するためのマルチエージェントフレームワークで…

ArcticPlatformは、大規模言語モデル（LLM）のポストトレーニングプロセスを簡素化・加速するために設計されたフレー…

GPIC（Giant Permissive Image Corpus）は、視覚生成モデリング研究のための巨大で許容性の高い画像コーパスです。約…

このプロジェクトは、ComfyUIで生成された画像がNSFW（Not Safe For Work）であるかどうかを検出するツールです。機…

RvR (Refinement via Regeneration) は、清華大学とTencent Hunyuanが開発した、画像リファインメントのための革新的…

ULF-Locは、CVPR 2026 Highlight論文として発表された、3D Gaussian Splattingを用いた堅牢な視覚ローカライゼーショ…

GameVerseは、動画ベースの反射学習を通じてVision-Language Models (VLMs) がゲームプレイを学習できるかを検証する…

GeekyRemB v4.0は、ComfyUI向けの革新的な画像およびビデオ処理ノードスイートです。RMBG v2.0 (BiRefNet) などの最…

「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…

OpenSfMは、PythonとC++で開発されたオープンソースのStructure from Motion（SfM）ライブラリです。順序付けされて…