#Python (2218 repos)

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…

本リポジトリは、拡散モデルを利用した浅層から深層への速度モデル構築に関する、学術論文の公式かつ再現可能な資料…

このリポジトリは、EvoLink.aiが提供するSuno APIの利用ガイドです。Suno APIは、テキストプロンプトから楽曲、ボー…

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、…

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…

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…

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…

K-MetBenchは、気象学における専門家の推論、地域性、マルチモダリティを詳細に評価するための多次元ベンチマークで…

Refineryは、Fish AudioおよびFish-Speechの音声クローンモデルにおいて、最適な参照クリップの組み合わせを見つけ出…

ComfyUI向けのカスタムノード集で、ComfyUIが生成したPNG画像のメタデータからプロンプトを抽出できます。元のワーク…

このツールは、AIを活用してスクリプト作成、画像検索、音声合成、最終的なMP4動画生成までを完全に自動化する、無料…

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…

opencrabは、タスクをこなすだけでなく、自己の目標を持ち自己進化を追求する「自律生命体」です。他のエージェント…

SDXは、テキストから画像を生成するモジュール式のオープンソース拡散フレームワークです。DiTトレーニング、精密な…

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…

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…

Assetelierは、Codexの画像生成能力をゲームアートアセットのパイプラインへと変革するプラグインです。ゲーム開発者…

MuAPIの公式Python SDKで、画像、動画、音声の生成、AIによる画像強化、背景除去、動画編集（リップシンク）、ファイ…

ModelFaucetは、オープンソースのLLM配信ゲートウェイと組み込み可能なSDKです。あらゆるウェブサイト、アプリケーシ…

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…

Anvil Audioは、Stability AIの`stable-audio-tools`を拡張し、AIオーディオ生成のためのプラグイン可能なスタジオツ…

SwiftDiffusionは、Stable Diffusion 1.5に特化した、モダンで高速なPyQt6製GUIアプリケーションです。コマンドライ…

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…

strands-strudelは、AIを活用したライブコーディング音楽ツールで、Strands Agentsのエコシステム内で動作します。リ…