画像生成PaddleGAN
PaddleGANは、開発者向けに高性能な敵対的生成ネットワーク（GAN）の古典的および最先端の実装を提供するフレームワ…
★ 8.0k ⑂ 1.2k Apache-2.0 2024-07-03
#Python (2196 repos)
「Python」タグが付いたリポジトリ
画像生成
AIエージェントtext-to-cad
このツールは、コーディングエージェント（Codex、Claude Codeなど）を使用して3Dモデルを生成するためのオープンソ…
★ 8.0k ⑂ 923 MIT 2026-07-11
音声生成 / TTSVision-Agents
StreamのOpen Vision Agentsは、リアルタイムビデオAIを構築するためのマルチモーダルAIエージェントフレームワーク…
★ 8.0k ⑂ 666 Apache-2.0 2026-07-09
AIエージェントUpsonic
Upsonicは、Pythonで自律型AIエージェントや従来のAIエージェントを構築するためのフレームワークです。大規模言語モ…
★ 7.9k ⑂ 739 MIT 2026-06-18
画像生成stable-diffusion-xl-base-1.0
このモデルはStability AIが開発した、テキストプロンプトから画像を生成・修正する拡散ベースの画像生成AI「Stable …
❤ 7.9k ↓ 1.4M openrail++ 2023-10-30
音声生成 / TTSvits
VITSは、エンドツーエンドのテキスト読み上げ（Text-to-Speech, TTS）システムであり、条件付き変分オートエンコーダ…
★ 7.9k ⑂ 1.4k MIT 2023-12-06
画像生成Dreambooth-Stable-Diffusion
本リポジトリは、GoogleのDreamboothのアイデアをStable Diffusionに実装したものです。従来のTextual Inversionが単…
★ 7.7k ⑂ 798 MIT 2022-12-08
AIエージェントShortGPT
ShortGPTは、YouTubeショートやTikTokチャンネルの自動化に特化したAIビデオ自動化フレームワークです。LLM指向の編…
★ 7.7k ⑂ 1.1k MIT 2025-02-10
ASR / 音声認識mlx-audio
MLX-Audioは、AppleのMLXフレームワークを基盤とし、Apple Silicon (Mシリーズチップ) に最適化された高速で効率的な…
★ 7.7k ⑂ 682 MIT 2026-07-31
画像生成lora
このツールは、拡散モデル（特にStable Diffusion）を効率的にファインチューニングするためのLow-rank adaptation (…
★ 7.5k ⑂ 496 Apache-2.0 2024-03-22
音声生成 / TTSMeloTTS
MeloTTSは、MITとMyShell.aiによって開発された、高品質な多言語テキスト読み上げライブラリです。英語（複数アクセ…
★ 7.5k ⑂ 1.1k MIT 2024-12-24
AIエージェントBindu
Binduは、AIエージェントのためのアイデンティティ、通信、決済レイヤーを提供するプラットフォームです。エージェン…
★ 7.5k ⑂ 418 NOASSERTION 2026-07-06
画像生成mmagic
MMagic (OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox)は、テキストから画像生成…
★ 7.4k ⑂ 1.1k Apache-2.0 2024-08-06
マルチモーダルPixelRAG
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…
★ 7.3k ⑂ 610 Apache-2.0 2026-07-16
LLMInternLM
InternLMは、汎用的な利用と高度な推論のために設計された大規模言語モデル（LLM）シリーズです。最新のInternLM3-8B…
★ 7.2k ⑂ 507 Apache-2.0 2025-10-30
LLMopencompass
OpenCompassは、大規模言語モデル（LLM）の評価を効率的かつ正確に行うための包括的なプラットフォームです。強力な…
★ 7.2k ⑂ 817 Apache-2.0 2026-07-27
AIエージェントomnigent
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…
★ 7.1k ⑂ 970 Apache-2.0 2026-07-12
音声生成 / TTSKokoro-82M
Kokoroは、わずか8200万パラメータの軽量ながら、大規模なモデルに匹敵する高品質な音声合成（TTS）を提供するオープ…
❤ 6.5k ↓ 11.3M apache-2.0 2025-04-10
ASR / 音声認識wav2letter
wav2letter++は、Facebook AI Researchが開発した自動音声認識（ASR）ツールキットです。現在はFlashlightフレームワ…
★ 6.4k ⑂ 991 NOASSERTION 2026-01-12
画像生成StyleTTS2
StyleTTS 2は、テキストから人間レベルの自然な音声を合成する最新のText-to-Speech（TTS）モデルです。スタイル拡散…
★ 6.3k ⑂ 693 MIT 2024-08-10
ASR / 音声認識PaddleX
PaddleX 3.0は、飛桨（PaddlePaddle）フレームワークを基盤とした低コード開発ツールです。200以上の開箱即用な事前…
★ 6.2k ⑂ 1.2k Apache-2.0 2026-06-25
LLMatomic-agents
Atomic Agentsは、AIパイプラインとアプリケーションを構築するための軽量でモジュール式のフレームワークです。LEGO…
★ 6.2k ⑂ 533 MIT 2026-08-16
ASR / 音声認識speech-to-speech
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…
★ 6.1k ⑂ 866 Apache-2.0 2026-07-09
LLMopensquilla
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…
★ 6.0k ⑂ 436 Apache-2.0 2026-07-14