#Python (2214 repos)

whatfirst · smallは、タスクの優先順位付けを支援する、ローカルで動作する小型のビジョン言語モデル（Qwen2.5-VL-3…

Meloieは、リアルタイムで動作するRVC（Retrieval-based Voice Conversion）ボイスチェンジャーのバージョン2です。…

ComfyUI-Voiceは、ComfyUIに統合された、拡張可能なオーディオおよび音声処理ノードスイートです。テキスト音声合成…

comfyui_gr85 は、ComfyUI向けに作られた軽量なカスタムノード集です。画像サイズやアスペクト比の計算、シードベー…

このプロジェクトは、Streamlitで構築された軽量かつ強力なRAG（検索拡張生成）ベースのPDFチャットアプリケーション…

このツールは「Welcome to the Narthex」ポッドキャストのエピソードから、OpenAI Whisperでトランスクリプト（文字…

Lumina AIは、Next.jsとFastAPIを組み合わせ、Whisper ASR、OmniVoice TTS、Qwen LLM、SDXL画像生成を統合したマルチ…

このプロジェクトは、ギター演奏の音声録音を入力とし、その音楽的特徴に基づいてドラム、ベース、ハーモニーからな…

このツールは、Claude CodeやDeepSeekのようなテキストベースのAIモデルに、画像認識（OCR機能を含む）と音声認識（…

このRoboGuardは、産業用ロボットUR10eのマニュアルに基づいた技術サポートを提供するエンタープライズRAGエージェン…

静止画像を音楽に変換するインタラクティブなWebアプリです。AIモデルに頼らず、輝度、コントラスト、対称性といった…

本リポジトリは、JAX/Flax/Optaxを用いてTPU v4-8上で7BパラメータのTransformerモデルをトレーニングする際に遭遇す…

このリポジリポジトリは、大規模言語モデル（LLM）のトレーニングと推論に関する優れたフレームワーク、ツール、リソ…

Sonautoは、言葉で表現したサウンドから、AIが作詞、オリジナルメロディの作曲、ユニークなカバーアート生成までを一…

このプロジェクトはPythonと自然言語処理（NLP）を活用したAI音声アシスタントです。音声コマンドを理解し、ウェブ検…

本ツールは、「都市センチメント認識のためのLLMエージェントにおけるペルソナの妥当性」に関する研究の公式実装です…

RagOnFireは、Apple Silicon Mac向けに設計された完全ローカルなマルチモーダルRAG（検索拡張生成）システムです。Ol…

このGitHubリポジトリは、Google Colab上でComfyUIとQwen-Image-Editモデルを簡単に展開・実行するためのインタラク…

このリポジトリは、ブラジルの都市部における不法投棄監視のためのAI活用に関する大学の卒業研究の成果物です。オブ…

Easy TTS Toolkitは、音声合成（TTS）機能をPythonプロジェクトに手軽に組み込むためのツールキットです。開発者は、…

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…

このツールは、OpenAIのLLMを統合したリアルタイムAI音声アシスタントです。音声認識（STT）と音声合成（TTS）をシー…

MOSSlandingは、5秒程度の音声サンプルからあらゆる声をクローンできる世界最高峰の音声クローニングTTSツールです。…

Afterwordsは、ローカルで動作するボイスクローニングTTS（テキスト読み上げ）サーバーです。15秒のYouTubeクリップ…