#Python (2218 repos)

このプロジェクトは、複雑な表や図を含むPDF文書から情報を抽出するマルチモーダルRAGシステムの実装デモです。マル…

Document Assistantは、PDFやEPUBなどの個人文書ライブラリを対象としたローカルファーストのRAG（検索拡張生成）ア…

Agnesは、テキストからビデオを生成する2段階のAIパイプラインを提供するツールです。最大の特徴は、画像生成UIであ…

schoolwork-ragは、PDFや講義ノートなどのローカルな学習資料を、検索可能な知識ベースに変えるプライバシー重視のRA…

このツールは、MuAPIをDifyに統合するカスタムプラグインです。Difyのワークフロー、チャットフロー、エージェントか…

TermSubは、AIを活用して動画コンテンツの文字起こし、翻訳、専門用語管理を行うFastAPIアプリケーションです。マル…

Vortelio Python SDKは、ローカル環境でLLM、画像、音声、動画、3Dモデルの生成を可能にするVortelioの公式Pythonク…

このリポジトリは、機械学習とAIエンジニアリングを学ぶためのコース教材です。Jupyter Notebook形式で、教師あり学…

EchoPilotは、macOS向けの会議記録および文字起こしアプリケーションです。システムオーディオとマイクオーディオを…

ComfyUI-HiCacheは、ComfyUIでHunyuan3Dの形状生成を加速するための、トレーニング不要なノードです。flow-matching…

Translarrは、Sonarr、Radarr、Emby、Jellyfin、Plexといったarrスタックと連携するセルフホスト型のDockerコンテナ…

strands-omnivoiceは、Strands Agents向けの多言語ゼロショットTTSツールキットです。600以上の言語に対応し、わずか…

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…

このツールは、オープンソース技術（Whisper、Groq、LLaMA 3.3、gTTS、FastAPIなど）を基にゼロから構築された音声AI…

litevizは、SLAMや3Dリアルタイム再構築などの3Dビジョン関連タスク向けに設計された軽量な3Dリアルタイム可視化アプ…

このツールは、Stable Diffusion WebUI用の拡張機能「Models Info」です。Stable DiffusionのチェックポイントやLoRA…

「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…

SYNAPSE Intelligence Platformは、自律型AIエージェントと高度なセマンティック検索（RAG）を駆使し、FAANGグレード…

このリポジトリ「opensource-ai-talk」は、「Building with AI Without Losing the Open Web」というトークの公式コ…

このツールは、拡散モデルのトレーニング（SDXLのようなマルチARバッチ）において、アスペクト比の異なる画像を効率…

ORIONは、低軌道衛星向けの自律型トリアージシステムです。Raspberry Pi 5に最適化されたVision-Language Model (VLM…

Hybrid RAGとWhisper ASRを組み合わせたスマート着信分類処理システムです。ユーザーが授業中など電話に出られない状…

Vortelioは、クラウドやAPIキーなしでローカルにAIモデルを実行できるオープンソースプラットフォームです。LLM、Sta…

このリポジトリは、Googleの最新マルチモーダル埋め込みモデル`gemini-embedding-2`の経験的失敗モードと幾何学的特…