ASR / 音声認識crisp-caption
crisp-captionは、ブラウザの音声やライブストリーム、OBSでの配信に対して、リアルタイムで日本語のライブキャプシ…
★ 4 ⑂ 3 Apache-2.0 2026-05-24
#Python (2214 repos)
「Python」タグが付いたリポジトリ
ASR / 音声認識
AIエージェントmemharness
memharnessは、AIエージェント向けのバイテンポラルで来歴を保持する長期記憶プリミティブです。SQLiteをバックエン…
★ 4 ⑂ 1 Apache-2.0 2026-06-26
動画生成agentic-video-maker
このツールは、単一のブリーフから高品質なAI動画を生成するパイプラインです。Geminiによるスクリプト作成、ElevenL…
★ 4 ⑂ 2 MIT 2026-05-12
マルチモーダルPaintBench
PaintBenchは、生成AIモデルの画像編集能力を決定論的に評価するためのベンチマークツールです。MSペイントのような…
★ 4 MIT 2026-06-02
動画生成Morpheus
Morpheusは、動画生成モデルが生成した映像がニュートン物理学の法則にどれだけ従っているかを定量的に評価する、物…
★ 4 MIT 2026-05-28
音声生成 / TTSphonicorn
子供向けのフォニックス学習用フラッシュカードアプリで、単語の音、発音、解読パターンを練習できます。自己ホスト…
★ 4 MIT 2026-06-06
画像生成civitai-post-splitter
このツールは、Civitaiの複数画像投稿を単一画像投稿に分割し、Civitai、Pixiv、X (Twitter)、小紅書といった複数の…
★ 4 MIT 2026-06-25
ComfyUIaeon-radio-drama
aeon-radio-dramaは、ラジオドラマ、オーディオブック、オーディオフィクションを制作するためのフルパイプラインツ…
★ 4 ⑂ 3 MIT 2026-06-28
LLMDermaGemma
Dermagemmaは、皮膚の色が濃い患者（スキントーンIV-VI）に対するAI皮膚科診断の精度低下という医療格差を解消するた…
★ 4 2026-05-23
画像生成rahulk-ddpm
rahulk-ddpmは、PyTorchでスクラッチから実装されたDenoising Diffusion Probabilistic Models (DDPM)です。UNetと正…
★ 4 MIT 2026-06-23
3D / NeRFauto_3dgs
auto_3dgsは、360度動画から3D Gaussian Splatting（3DGS）モデルを完全に自動で生成するパイプラインツールです。こ…
★ 4 GPL-3.0 2026-04-02
3D / NeRFmpsplat
mpsplatは、3D Gaussian Splatsのトレーニングと表示を行う人気のライブラリ「gsplat」のApple Silicon (MシリーズMa…
★ 3 ⑂ 1 Apache-2.0 2026-05-12
ASR / 音声認識LiveDialogue-Translator
LiveDialogue-Translatorは、Windowsデスクトップ向けのローカルファーストなキャプションアプリです。システムおよ…
★ 3 ⑂ 1 Apache-2.0 2026-05-15
ComfyUIXianxia_Studio
Xianxia Studioは、YouTube向け動画を100%オフラインで制作できるローカルAI映画制作スタジオです。テーマを入力する…
★ 3 Apache-2.0 2026-06-01
画像生成Preserve-and-Personalize
本リポジトリは、ICLR2026で発表された「Preserve and Personalize: Personalized Text-to-Image Diffusion Models w…
★ 3 ⑂ 1 MIT 2026-05-22
画像生成ernie-image-mlx
ernie-image-mlxは、Baiduの80億パラメータ画像生成モデルERNIE-Imageを、Apple Silicon向けにMLXフレームワークで純…
★ 3 ⑂ 1 MIT 2026-05-22
マルチモーダルtenderness
tendernessは、テキストと画像から合成かつ決定的なドキュメントを高速でレンダリングするためのPythonライブラリで…
★ 3 ⑂ 1 Apache-2.0 2026-06-22
ComfyUIcomfyui-mirror-panel
ComfyUI Mirror Panelは、ComfyUIの複雑なワークフローの操作性とパフォーマンスを大幅に向上させるプラグインです。…
★ 3 GPL-3.0 2026-05-05
動画生成bernini-studio-ui
Bernini Studio UIは、ByteDanceの強力な画像・動画生成AIモデル「Bernini」の推論を、より操作しやすくするために開…
★ 3 Apache-2.0 2026-06-14
LLMai-models
このプロジェクトは、主要なAIモデルプロバイダーとそのモデルに関する包括的な機械可読YAMLカタログです。価格、コ…
★ 3 ⑂ 2 MIT 2026-06-13
LLMLestro-Dataset-Generator
Lestro Dataset Generatorは、GoogleのGemini APIを利用し、DevOpsやシステムエンジニアリング分野のLLMファインチュ…
★ 3 2026-05-25
ASR / 音声認識scenelens
Scenelensは、Claudeにスマートな動画入力機能を提供するツールです。動画からシーン変化に基づいて最適なフレームを…
★ 3 MIT 2026-05-04
音声生成 / TTSSpeechifyPDF
SpeechifyPDFは、PDFドキュメントを自然で高品質な音声に変換し、読み上げてくれるアプリケーションです。通勤中やマ…
★ 3 MIT 2026-06-05
マルチモーダルblink-skill
Blink Skillは、PC上でのユーザーのアクティビティ（会議、ドキュメント作業、動画視聴、コーディングなど）をAIが能…
★ 3 MIT 2026-05-02