#Python (2214 repos)

このプロジェクトは、ローカルの日本語動画ファイルから簡体字中国語のSRT字幕を生成するCLIツールです。Qwen3-ASRと…

EpubVoiceは、自己ホスト型の個人用EPUBリーダーで、テキスト読み上げ（TTS）機能を備えています。購読や制限がなく…

Llaboratoryは、LLMが架空のツールを使用する際の挙動を研究するための、自己ホスト可能なオープンソースの実験プラ…

Manu Designは、チーム向けのオープンソースAIデザインワークフローエンジンです。ブランディングに沿った高品質な画…

Athena Whisperは、ローカル環境で動作するデスクトップ向け音声入力ウィジェットです。faster-whisperを利用した高…

AuraDevは、開発者のリアルタイムの認知状態（集中、行き詰まり、デバッグなど）に適応してアンビエント音楽を生成す…

Fiona Anneは、プライバシーを最優先に考え、外部APIを一切使用せずに自身のマシン上で動作する、自己ホスト型の音声…

Pocket Claudeは、AnthropicのClaudeを自己ホストできるチャットフロントエンドです。ユーザー自身のPro/Maxサブスク…

「paper2video」は、あらゆる技術記事や論文を、著名な「3Blue1Brown」スタイルに倣った2〜5分間の解説動画へと自動…

LOCIはAIワールドモデル向けの4次元時空間ベクトルデータベースです。埋め込みベクトルの位置と時間情報（x,y,z,t）…

AutoReelは、AIを活用してソーシャルメディア向けの魅力的な短尺動画コンテンツを自動生成する、先進的なコンテナ化…

このツールは、Claude Agent Skillとして機能し、生活の知恵に関するアイデアを、AIナレーション付きで直接公開可能…

Seshat TTSは、Windows向けのGUIユーティリティで、ゲームやアプリケーション向けにリアルタイムの音声ストリーミン…

SmolVLM2-2.2Bを搭載したエッジ展開可能なビジョンエージェントで、CPUのみのハードウェア（16GB RAM）で動作します…

video-distillationは、動画、キーフレーム、スクリーンショット、ナレーションスクリプト、プロット概要などを、動…

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…

Ring-Fenced RAG (RFR)は、自己ホスト型でゼロトラストの検索拡張生成（RAG）システムです。特徴は、データベースレ…

claude-eyesは、Claude Codeに動画処理能力を付与するためのプラグインです。主な機能として、ビデオ（URLまたはロー…

MiniBoxは、GPT-SoVITSによる高品質な音声合成とクラウドLLMを組み合わせた、キャラクターボイスチャットボットです…

Ironcladは、大規模言語モデル（LLM）エージェントの信頼性を、モデルサイズではなく厳格な制約と強制によって実現す…

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…

J.A.R.V.I.S.は、Linux上で動作するローカルの音声駆動型AIオペレーターです。Claude Pro、OpenRouter、またはOllama…

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、…

LLIPSEは、内陸水路における船と陸間の通信のEnd-to-End遅延を予測するための軽量なLLM（大規模言語モデル）ベースの…