#Python (2207 repos)

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…

gpt-image-cookbookは、OpenAI gpt-image-2、Google Imagen、Fluxといった複数のAI画像生成プロバイダーを統合したオ…

このMarimoノートブックは、拡散モデルがなぜノイズレベルの条件付けを必要としないのかを、研究論文「The Geometry …

LocalVoice TTSは、無料でローカル環境で動作するテキスト読み上げ（TTS）アプリケーションです。ユーザーは、ダイア…

「kokoro-infer」は、高速で軽量なKokoro-82M TTS（Text-to-Speech）推論エンジンおよびサーバーです。CPU、CUDA、そ…

.SPZファイル形式のRust実装を提供し、この形式を扱うためのCLIツールです。PythonとC言語のバインディングも利用で…

agent-smithは、長期的に稼働するAIエンジニアリングエージェントを運用するためのフレームワークです。各エージェン…

ComfyUI_RH_VoxCPMは、ComfyUIのノードベースワークフロー内でVoxCPMの機能を統合するプラグインです。これにより、…

Robot Episode Curatorは、LeRobotデータセット内の外れ値エピソードを効率的に特定し、診断するためのツールです。R…

「comfyui-library-finder」は、ComfyUIのカスタムノードが特定のライブラリをインポートしているかを検出するための…

「reels_for_free」は、AIの力を活用して、視聴者の目を引くバイラル性の高いリール動画を簡単に生成するためのアプ…

Hermes Slack Extensionは、自己ホスト型Hermes AgentをSlackワークスペースでより機能的にするためのCLIインストー…

Crucibleは、ロボットのデモンストレーションデータを評価・キュレーションするための多軸VLM（Vision-Language Mode…

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…

LangSliceは、Vision-Language Model (VLM) を活用し、組織学的脳切片をBrainGlobeアトラスに自動で高精度に位置合わ…

Tri-AIは、Claude、Codex、Kimiなどの複数のAIモデルを連携させるためのポータブルなディスパッチプロトコルです。Cl…

GEOrankは、GEO（生成式エンジン最適化）に特化したオープンソースのワークベンチです。AI検索におけるウェブサイト…

このツールは、LiDAR-Inertial-Camera Gaussian Splatting SLAMのROS2ネイティブポートであり、Gaussian-LIC/Gaussia…

Runa Agentは、既存AIエージェントの制限に不満を持つ開発者向けに設計された、自律的で自己認識を持つデジタルAIコ…

「EPUB TTS Reader API」は、EPUBファイルをテキストに変換し、Supertonic-3モデルを使用してテキスト読み上げ（TTS…

Perspicuaは、図書館や書店での「選択のパラドックス」を解決するために設計された、高性能なAI駆動型セマンティック…

ovos-tts-plugin-kokoroは、Open Voice OS (OVOS) 音声アシスタント向けに開発された、多言語テキスト読み上げ（TTS…

OpenModels Registryは、大規模言語モデル（LLM）とその推論プロバイダー、および両者のマッピングに関する情報を集…

このリポジトリは、Multimodal LLM (MLLM) が芸術作品をどのように記述するかを解明する研究の公式コードです。Token…