#Python (2196 repos)

Doubao Murmurは、豆包（doubao.com）のWeb音声認識機能を活用したミニマルな音声入力ツールです。macOSとLinux/Stea…

MirrorMetricsは、Stable DiffusionのFace LoRA（ファインチューニングモデル）の評価に特化した科学的ベンチマーキ…

ComfyUI-Anima-Enhancerは、ComfyUI用のカスタムノードで、特にAnimaモデルによる画像生成の品質と速度を向上させる…

このツールは、2D Gaussian Splatting（2DGS）とNVIDIA OptiXを基盤とした、差分可能な2Dガウスレイトレーサーです。…

ArcSubは、クラウドサービスとローカルのOpenVINOモデルの両方を活用するエンドツーエンドの字幕翻訳ワークステーシ…

ComfyUI-Layersは、ComfyUI用のカスタムノード「LayersSaver」を提供するツールです。このノードを使用すると、画像…

「Become CEO」は、Discord上でAIエグゼクティブチームを構築するツールです。エンジニアリング、財務、マーケティン…

「OmniVideo-100K」は、音声・視覚推論能力の向上を目指す大規模データセットと、そのための自動データ合成エンジン…

DeepCloakは、Cloudflare、Datadome、Turnstile、reCAPTCHAなどのボットウォールによってブロックされるウェブページ…

EcoSplatは、効率制御可能なフィードフォワード3D Gaussian Splatting技術を実装したツールです。マルチビュー画像か…

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…

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…

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…

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…

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…

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…

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…

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…

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「…