#Python (2218 repos)

Transformer Labは、AI研究者向けに設計されたオープンソースの機械学習プラットフォームです。モデルの訓練、評価、…

MLX-VLMは、Apple Silicon Mac上でMLXを利用してVision Language Models（VLM）および音声・動画対応のOmni Modelsの…

Omnigentは、Claude Code、Codex、Pi、およびユーザーが作成したカスタムエージェントを含む、あらゆるAIエージェン…

PixelRAGは、ウェブページ、PDF、画像をスクリーンショットとして視覚的にレンダリングし、ビジョン言語モデルで埋め…

OpenSquillaは、トークン効率を最大化するマイクロカーネルAIエージェントです。限られた予算で高い知能密度と優れた…

Speech To Speechは、オープンソースモデルを活用してローカルで高度な音声エージェントを構築するためのプロジェク…

HunyuanVideo-1.5は、わずか8.3Bのパラメーターでトップクラスの品質を提供する軽量な動画生成モデルです。コンシュ…

memory-lancedb-proは、OpenClawエージェントに長期記憶能力を付与するLanceDBベースのプラグインです。AIエージェン…

このプロジェクト「tiny-llm」は、システムエンジニア向けに大規模言語モデル（LLM）の推論サービスをMLXフレームワ…

lmms-evalは、テキスト、画像、ビデオ、オーディオといった様々なモダリティを横断する、オールインワンのマルチモー…

ACE-Step UIは、オープンソースのAI音楽生成モデル「ACE-Step 1.5」のためのプロフェッショナルなユーザーインターフ…

Clawithは、オープンソースのマルチエージェントコラボレーションプラットフォームです。各AIエージェントに永続的な…

LingBot-Worldは、ビデオ生成技術を基盤としたオープンソースの世界シミュレーター（ワールドモデル）です。リアルタ…

このリポジトリは、オープンソースのAIプロジェクト、モデル、ツール、インフラストラクチャを厳選したリストです。P…

ComfyUI-LTXVideoは、人気の画像生成Web UIであるComfyUIの機能を拡張し、LTX-2動画生成モデルを最大限に活用するた…

OpenSfMはPythonで書かれたStructure from Motion（SfM）ライブラリで、複数の画像からカメラの姿勢と3Dシーンを再構…

MOSS-TTS-Nanoは、MOSI.AIとOpenMOSSチームが開発したオープンソースの多言語対応小型音声生成モデルです。わずか0.1…

FastVideoは、ビデオ生成を高速化するための統合された推論および後処理フレームワークです。最先端のビデオ生成モデ…

「Remove-AI-Watermarks」は、Google Gemini、ChatGPT/DALL-E、Stable Diffusion、Adobe Firefly、Midjourneyなど、…

PromptEnhancerは、Text-to-Image生成およびImage-to-Image編集の両方に対応するプロンプト書き換えツールです。ユー…

MOSS-TTS Familyは、MOSI.AIとOpenMOSSチームが開発したオープンソースの音声およびサウンド生成モデル群です。高忠…

TurboDiffusionは、ビデオ拡散モデルによる動画生成を100〜200倍に高速化するフレームワークです。単一のRTX 5090な…

MapAnythingは、画像、キャリブレーション、ポーズ、深度などの多様な入力から、統一されたフィードフォワードのトラ…

AliceVisionは、写真から3Dオブジェクトやシーンを再構築し、カメラの動きを追跡するフォトグラメトリー・コンピュー…