#Python (2196 repos)

comfyui-navigatorは、ComfyUIのワークフロー内のグループを一覧表示するフローティングパネルです。大規模なワーク…

このツールは、架空の航空会社FlightAIのためのマルチモーダルAIカスタマーサポートチャットボット「Airline Support…

EchoTwinは、Discordで利用できるAI音声ボットで、ユーザーの発言にクローンされた声でリアルタイムに返答します。Fi…

loomは、耐久性のあるエージェント実行エンジン「Sibyl」のためのSlackフロントエンドです。Slackのメッセージやコマ…

このプロジェクトはPythonと自然言語処理（NLP）を活用したAI音声アシスタントです。音声コマンドを理解し、ウェブ検…

ontoragは、RDF/OWLオントロジーを真の情報源として活用する、オントロジー対応RAG（Retrieval-Augmented Generation…

AIを活用し、写真や動画のフォルダーから高解像度のハイライトリールを自動生成するコマンドラインツール「reelsmith…

このツールは、単一のテキストプロンプトから、ポスター画像、ビデオクリップ、ナレーションを含むプロモーションコ…

Obsidian Engineは、一つのトピックから研究、脚本作成、ナレーション、映像制作、YouTubeへのアップロードまでを自…

MEFAI Home Video AIは、画像から動画を生成するエンドツーエンドのAIパイプラインです。高価なGPUをレンタルするこ…

DiffCleanは、拡散モデルとテキストガイドを用いて顔のメイクアップを効果的に除去し、正確な年齢推定を可能にするツ…

TBAF（Triangle Based Activation Function）は、画像ベースモデル向けの画期的な活性化関数です。自己回帰的な画像…

AI WhiskerShelfは、ローカルで動作するLLM（大規模言語モデル）駆動の論文ライブラリマネージャーです。PDFファイル…

MultiBESTは、実験で得られた2D顕微鏡写真、2D/3D EBSDデータ、またはユーザーのスケッチから、原子レベルおよび連続…

Nano-xDiTは、シングルGPU向けに最適化された軽量なWanビデオDiT推論エンジンです。TeaCacheやFirst-Block-Cacheとい…

このAIロジスティクスアシスタントは、輸送および冷蔵ロジスティクスに特化したマルチモーダルAIツールです。RAG（検…

blind-vision-mcpは、テキストベースのLLM（大規模言語モデル）に「視覚」を与えるMCPサーバーです。GPT-4 VisionやC…

このツールは、完全にオフラインで動作するプライバシー重視のRAG（検索拡張生成）アプリケーションです。PDFドキュ…

Vision Studio-Xは、ローカル環境で動作するAIを活用した画像および動画生成用のプロフェッショナルなデスクトップア…

Vision Bridgeは、DeepSeek V4 PROやGPT-4o-textのような純粋なテキストベースのLLMに「視覚能力」を付与するツール…

「comfyui-prompt-editor」は、ComfyUIの複数行プロンプトウィジェットをフルスクリーンでタッチ操作可能にするエデ…

本ツールは、SparseNeRFに触発された、スパースビュー（少数の視点からの画像）からの新しい視点合成を目的とした非…

tokensieveは、VLM（Vision-Language Model）を用いたVQA（Visual Question Answering）タスクにおいて、推論時の「p…

Jmiao11/mm-docqaは、図とテキストが混在するPDF（特に論文の図表を含む）の内容に対して質問し、引用元付きの回答を…