#Python (2196 repos)

VoxCoreは、サブ秒の低遅延で動作するオープンソースのリアルタイム音声AIエンジンです。ASR（自動音声認識）、LLM（…

本リポジトリは、人再識別における「拡散ベースのセマンティックカモフラージュ攻撃（DSCA）」に特化した軽量なPyTor…

本ツールは、「都市センチメント認識のためのLLMエージェントにおけるペルソナの妥当性」に関する研究の公式実装です…

本ツールは、Windows向けの軽量な音声入力アシスタントです。フローティングボタンのクリックで録音を開始・停止し、…

「LoRA-Dataset-Coach」は、SDXLやFlux、Wanなどの写真・動画モデル向けLoRAトレーニングデータセットの準備、検証、…

「ComfyUI Character Picker」は、ComfyUIのカスタムノードとして機能し、9500以上の膨大なアニメ/ゲームキャラクタ…

Drishtiは、コードとドキュメントの理解を深めるためのマルチモーダルなRAG（検索拡張生成）システムです。Tree-sitt…

この「TTS Video Generator」は、Python、ElevenLabsの音声合成、FFmpegを組み合わせて、AI音声と同期字幕付きの短い…

「local-ai-lab」は、RAG (Retrieval Augmented Generation)、MCP (Model Context Protocol)、LangChain、LangGraph…

Jarvis Vision Assistantは、Python、Arduino、ウェブカメラ、テキスト読み上げ、Google Gemini Vision、パン/チルト…

「The Earful Tower」は、ローカル環境で動作する高性能な音声文字起こし・話者分離ツールです。Whisper large-v3モ…

comfy-promptは、Comfy Cloud向けのプレミアム優先AI生成ワークフローです。50種類以上の画像および動画モデル（Gemi…

OpenVoxは、選択したテキストをグローバルショートカットで読み上げる、オープンソースかつマルチOS対応のデスクトッ…

Kithaironは、モノフォニックなメロディから演奏可能で説明可能なカノンのバリアントを生成するシンボリック音楽コン…

「Bad Hands Scorer」は、拡散モデルが生成する「奇妙な手」の画像を識別し、美的スコアを付与するための軽量な概念…

Auto-Vod-Trimmerは、長いビデオ録画から興味深い瞬間を自動で検出し、短いハイライトクリップを作成するツールです…

comfyui-weaverは、Claude CodeがComfyUI（ローカルおよびComfy Cloud）を操作できるようにする自己完結型MCPサーバ…

Enterprise RAG Intelligenceは、ゼロトラスト検索、RBAC強制、および根拠に基づいた生成を提供するセキュアなエンタ…

Splat Loaderは、人気のある画像生成UIであるComfyUI用のカスタムノードです。このツールは、Gaussian Splatting形式…

「Arena AI Model Elo History」は、主要AIラボ（OpenAI、Anthropic、Googleなど）のフラッグシップAIモデルの公開El…

Resilient STTは、OpenAI互換のASR（自動音声認識）エンドポイントと連携し、音声ファイルを高精度にテキスト変換す…

本プロジェクトは、Free Spoken Digit Datasetを用いてゼロから訓練された小型のCTC音声認識器です。1秒間の数字音声…

Afterwordsは、ローカルで動作するボイスクローニングTTS（テキスト読み上げ）サーバーです。15秒のYouTubeクリップ…

F1物理エンジンは、F1レースにおける車の動きを言語指示に基づいてビデオ生成するAIツールです。開始フレームと「急…