#Python (2196 repos)

Ghost Narratorは、ブログや静的サイト向けに自己ホスト型のAI音声ナレーションを提供するツールです。ElevenLabsの…

この「Awesome-Audio-Generation」リポジトリは、音声生成に関する最新の研究論文、コード、およびプロジェクトを厳…

Multimodal-Edge-Nodeは、実験的なノードベースの視覚的推論とマルチモーダル推論キャンバスです。ユーザーはカスタ…

The Muserは、SunoやElevenLabs Musicのオープンソース代替として、自然言語による音楽作曲を可能にするツールです。…

W-GRAM-LMは、世界誘導型再帰的アトラクタ言語モデルの研究用コードベースです。潜在世界予測、多軌道推論、解答アト…

gsplat-mlxは、Apple Silicon環境で3D Gaussian Splattingを高速に実行・開発するためのコアライブラリです。mlxのC+…

ComfyUI-MCP-Serverは、ComfyUIのワークフローをAIエージェントが利用可能なパラメータ設定可能なツールに変換するMC…

VoiceAuditionは、AIエージェント向けのTTS（Text-to-Speech）音声ディスカバリー・推薦ツールです。9つのTTSプロバ…

vignesh2027/Claude-Agentic-Skills2.0-versionは、Anthropic社のClaude AI向けの「AgentOS 2.0」として、135以上の…

このツールは、Claude Codeの作業内容を画面を見ずに音声で把握できるプラグインです。Claude Codeの各ターンの要約…

このツールは、Qwen3-TTSを利用してスペイン語のテキスト読み上げ（TTS）機能を提供します。Apple Silicon搭載のMac…

SPADEは、オフラインブラックボックス最適化において、サポートされていない領域での予測の過信を防ぐためのツールで…

このツールは、AIコーディングエージェントがPiAPIを介してMidjourney、Suno、Kling、Lumaなどの多様なAIモデル群を…

このリポジトリは、実際の画像とテクスチャ付き3Dメッシュ間の相互情報量（Mutual Information）を利用して、6自由度…

「noah-gen3-type2」は、コンテキスト管理、記憶閉ループ、自律進化を特徴とする汎用型AI認知アーキテクチャです。「…

Zencia Vocalisは、Microsoft VibeVoiceを基盤とした、オンデバイスで動作する会話型音声AIです。ユーザーがAIと音声…

NeuTTS Studioは、オンデバイスでのテキスト読み上げ（TTS）、音声クローニング、リアルタイムストリーミング機能を…

このプロジェクトは、Web検索と高度な推論モデル（OpenAI o3、DeepSeek-R1、ローカルOllamaモデルなど）を組み合わせ…

MBQは、ComfyUIの生成画像を効率的に管理・分析するためのツールセットです。主な機能として、ComfyUIのPNG画像に埋…

FlowSRは、ICCV 2025で発表された、Consistency Rectified Flowを活用した高速画像超解像ツールです。低解像度画像か…

Deep Web Scraperは、サイバーセキュリティ研究者、脅威インテリジェンスアナリスト、プライバシー擁護者を対象とし…

M-LongDocは、EMNLP 2025で採択されたマルチモーダル超長文ドキュメント理解のための挑戦的なベンチマークと、検索対…

WisprFlow SDKは、Wispr Flowデスクトップクライアントの非公式Python SDKです。Wispr Flowの音声APIをリバースエン…

OpenVoiceは、短い参照音声から瞬時に音声をクローニングできるオーディオ基盤モデルです。ターゲットスピーカーの声…