#Python (2196 repos)

LiveKit Voice AI Starterは、ブラウザ上でAIエージェントとリアルタイムで音声対話を行うためのフルスタックなスタ…

SELPHは、ユーザーの声、スタイル、アイデンティティを学習し、その代理として行動するユニバーサルデジタルツインAI…

ControlMindは、MinerUを活用した科学文書インテリジェンスシステムです。生PDFから直接情報を抽出し、科学論文の理…

このツールは、会議の録画（動画・音声）、文書（PDF、PPTX、DOCX、XLSX、CSV、TXT）、画像を取り込み、書き起こし、…

TOKENBANKは、AIコーディングアシスタントのトークン使用量と費用を詳細に統計・管理するためのデスクトップアプリケ…

この「alpamayo-trace」は、NVIDIA Alpamayo R1（Vision-Language-Actionモデル）とQwen2.5-VL（Vision-Languageモデ…

このツールは、自律型マルチエージェントシステムによってソフトウェア開発・デリバリープロセスを自動化・効率化す…

Qvoiceは、macOS向けのローカル音声テキスト変換ツールです。Controlキーをダブルタップするだけで録音の開始、停止…

omni-retrievalは、テキスト、画像、音声、動画といった多様なメディアタイプを完全にローカルかつエアギャップ環境…

LoRA-Studioは、Stable DiffusionにおけるLoRA開発のためのオープンソースのトレーニング管理プラットフォームです。…

ComfyUI上でDCI（DSG Combined Icons）形式のアイコンを作成・結合・プレビュー・解析できる拡張機能です。複数状態…

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…

Roco Kingdomは、多エージェント協力に基づく『洛克王国』ゲームの精霊百科システムです。自然言語で精霊情報、属性…

本ツールは、GitHub上のAI関連オープンソースプロジェクトをWordPressサイトでカタログ化する自動化ツールです。GitH…

NVIDIAのビデオワールドモデル「SANA-WM」をApple Silicon (MシリーズMac) で動作させるためのパッチとインタラクテ…

SeekDeep Discord Botは、ローカルAIを活用した多機能なDiscordボットです。チャット、画像認識、画像生成、ウェブ検…

MemTestは、AIメモリシステムの評価に特化したユニバーサルなベンチマーク生成ツールです。手続き型生成により依存性…

SAGE-Colorは、参照画像の色、トーン、コントラスト、領域レベルの外観をコンテンツ画像に転送する、参照ベースのカ…

このツールは、融合CUDAカーネルと対数空間ブロック単位量子化を特徴とする8ビットAdafactorオプティマイザです。LLM…

AegisRAGは、アクセス制御、トレーサビリティ、ガバナンスを重視するチーム向けの、セキュリティを最優先した監査可…

Doppelvoiceは、リアルタイムで中国語・英語を含む9言語間の音声翻訳とゼロショット音声クローニングを提供するツー…

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…

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…

「Dhruvish-28/PDF-RAG-from_scratch」は、複数のPDFドキュメントを同時にアップロードし、質問できるRetrieval-Augm…