#Python (2218 repos)

このプロジェクトは、AIエージェントがGitHubリポジトリを分析し、コードの仕組みを解説する初心者向けのチュートリ…

turbovecは、Google ResearchのTurboQuantアルゴリズムに基づきRustで開発された、Pythonバインディングを持つ高速か…

「Awesome-Diffusion-Models」は、拡散モデルに関する最新の研究論文や多様なリソースを網羅的に収集したGitHubリポ…

HunyuanVideoは、Tencentが開発した大規模動画生成モデルのための体系的なフレームワークです。テキストからの動画生…

このリポジトリは、AI画像生成愛好家である作者が、自身のAI画像生成の経験と知識を共有し、多くの人がAIで絵を描く…

nerfstudioは、NeRF（Neural Radiance Fields）の作成、学習、テストを簡素化するAPIを提供する、コラボレーションし…

SpeechBrainは、PyTorchを基盤としたオープンソースのツールキットで、会話型AI（音声アシスタント、チャットボット…

edge-ttsは、Microsoft Edgeのオンラインテキスト読み上げサービスをPythonコードやコマンドラインから利用できるツ…

このツールは、OpenAIのテキストから画像への合成ニューラルネットワーク「DALL-E 2」をPyTorchで再現したものです。…

Voice-Proは、YouTube動画の処理、音声認識、翻訳、テキスト読み上げ、音声クローン、多言語翻訳を統合したAIパワー…

Rerunは、マルチモーダルなロボットデータ（画像、点群、変換、時系列、関節状態、ビデオなど）のロギング、クエリ、…

NeRF (Neural Radiance Fields)は、単一シーンの入力ビューを再現し、新しい視点からのレンダリングを可能にするニュ…

Pocket Flowは、わずか100行で記述されたミニマリストなLLM（大規模言語モデル）フレームワークです。依存関係がなく…

LTX-Video（現在開発の中心はLTX-2）は、DiTベースの最先端オーディオ・ビデオ基盤モデルで、音声同期ビデオ生成、4K…

Hiveは、プロダクションAI向けのマルチエージェントハーネスで、複雑なビジネスワークフローを効率的に実行するため…

ViMaxは、単一のコンセプト入力から脚本、絵コンテ、キャラクターデザイン、そして最終的な動画生成まで、動画制作プ…

OpenVINO™は、ディープラーニングモデルの最適化とデプロイメントを目的としたオープンソースのソフトウェアツールキ…

KrillinAIは、AIを活用したビデオの翻訳・吹き替えを可能にする多機能ツールです。ビデオのダウンロード、音声認識、…

TTSは、最先端の研究に基づいた高度なText-to-Speech生成ライブラリです。トレーニングの容易さ、速度、品質のバラン…

InternVL Familyは、GPT-4o/GPT-5に匹敵する性能を目指すオープンソースの多モーダル会話モデル群です。特にInternVL…

RealtimeSTTは、音声アクティビティ検出、高速な文字起こし、リアルタイムテキスト更新、ウェイクワード機能を備えた…

Amphionは、音声、音楽、スピーチ生成のためのオープンソースツールキットです。再現可能な研究を支援し、音声生成分…

PyOD 3は、表形式、時系列、グラフ、テキスト、画像といった多様なデータ形式に対応した、包括的なPython異常検知ラ…

ESPnetは、音声認識、音声合成、音声翻訳など、様々なエンドツーエンドの音声処理タスクに対応する包括的なツールキ…