#Python (2218 repos)

「拾字 · Voicetype Studio」は、動画をテキストに変換し、ローカルでダウンロード・処理を行うmacOS向けのツールで…

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「Awesome-Embodied-3DV」は、Embodied AIの分野における3D/4D知覚、再構築、生成、シミュレーション対応アセッ…

DB GameAgentは、ローカルで動作するゲームデータベースアシスタントです。現状は「アークナイツ」のゲームデータ、…

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…

VisoRAGは、ローカルGPU環境で動作する、PDF、DOCX、画像ファイルの質問応答や情報抽出に特化したビジョンファースト…

builder-aiは、AIアシスタントがLLM（大規模言語モデル）を活用した機能を開発する際、プロダクション環境の厳格な品…

このツールは、Magikaに触発された軽量な画像品質ゲートで、画像を「シャープ」、「ぼやけ」、「不確実」のいずれか…

slidocは、講義ビデオを各スライドとそのクリーンアップされたナレーションが対になったマークダウン形式に変換する…

Opus Magnum Claude Codeは、長期にわたる複雑なAIコーディングプロジェクトを、コンテキストの損失やエージェントの…

このリポジトリは、スマートフォンからの未校正単眼ビデオストリームに対応したオフデバイスVSLAMベンチマークフレー…

DRM Transformerは、従来のTransformerモデルの限界を打破するために開発された、デコーダーオンリーのTransformerで…

AIyeahは、AIアプリケーション開発を簡素化するモジュール型AIプラットフォームです。複数のAIツールやプロバイダー…

SDXL Containerは、SDXL (Stable Diffusion XL) のLoRAアダプターの訓練と推論を実行するためのDockerコンテナです。…

このツールは、単一の2D RGB画像からテクスチャ付き3Dメッシュを生成するPythonパイプラインです。AppleのDepthProモ…