#Python (2196 repos)

NanoI2Vは、最先端の画像-動画変換（I2V）モデルをゼロから構築するためのステップバイステップのガイドです。拡散ベ…

このツールは、360度カメラで撮影した動画を、3D Gaussian Splatting（3DGS）のトレーニングに利用できる画像、マス…

このツール「gtsam-splatfactors」は、既存の3D Gaussian Splatting SLAM (3DGS-SLAM) システムが抱える、勾配降下法…

minFLUXは、Black Forest LabsによるFLUX.1およびFLUX.2拡散トランスフォーマーの、非公式かつ最小限のPyTorch実装で…

このプロジェクトは、人気のComfyUIワークフローをGoogle Colab上で無料で実行できるように設計されたノートブック集…

このリポジトリは、FlashTalkの非公式なトレーニングコード実装です。FlashTalkは音声駆動型のデジタルヒューマンモ…

OmniVoice FastAPIは、多言語対応のゼロショットTTS（Text-to-Speech）エンジン「OmniVoice」の機能を、Dockerで手軽…

「FLOWING 🌊: Implicit Neural Flows for Structure-Preserving Morphing」の公式実装で、2025年のNeurIPSで発表さ…

hearsayは、YouTube動画、ポッドキャスト、ローカル録音などの多様な音声・動画コンテンツを、クリーンでタイムスタ…

Sireneは、自己ホスト型で複数のバックエンドをサポートするテキスト読み上げ（TTS）プラットフォームです。現代的な…

aeon-movie-makerは、Lightricks LTX 2.3 22Bモデル（220億パラメータ）をベースにした、高速な映画品質ビデオ生成ツ…

MAMA-SYNTHは、乳房MRIの課題に特化したベンチマークチャレンジで、造影剤を使用せずに造影後の乳房MRI画像を生成す…

VULCAは、エージェントが漠然とした視覚的意図を制御された創造的制作へと変換することを支援する、エージェントネイ…

soumyasethy/lazychat-erpnextは、ERPNextに統合されたAIアシスタントで、ユーザーは自然言語でデータと対話し、レポ…

このツールは、Qwen3-ASR向けのマルチテナントストリーミングASR（自動音声認識）サーバーです。オリジナルのFlaskデ…

nvs-benchは、Novel-View Synthesis（3D Gaussian Splats、NeRFなど）の手法を評価するための標準化されたベンチマー…

SplAttNは、3D点群補完のための公式PyTorch実装です。従来の2D投影で生じる「クロスモーダルエントロピー崩壊」問題…

ai0-video-creatorは、スクリプト作成から高品質なビデオアセット生成までを効率化する、高機能なデスクトップ向けオ…

MiNerva（咪涅瓦）は、資料調査、コード生成、データ処理、レポート作成など、多段階の複雑なタスクを自動で実行する…

AgentDOMは、AIエージェントがウェブサイト、デスクトップアプリケーション、APIといったあらゆるソフトウェアと連携…

MindVault v3は、Claude CodeのようなLLMがセッション間で情報を失う「記憶喪失」問題に対処するための、革新的な永…

whisper-skillは、OpenAI API不要でローカル完結する無料の音声文字変換ツールです。99言語に対応し、Mac/Linux/Wind…

ODE-GSは、ICLR 2026で発表された「Latent ODEs for Dynamic Scene Extrapolation with 3D Gaussian Splatting」の公…

「Web Design Enhancer」は、AIエージェントが生成するウェブデザインの品質を劇的に向上させるスキルです。一般的な…