全AIリポジトリ

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…

Parleyは、音声指示型Vision-Language-Action（VLA）パイプライン向けのベンチマークツールキットです。このツールは…

本リポジトリは、Stable Diffusion 3に着想を得た、DiTベースの条件付きフローモデルを実装しています。主な機能は、…

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。…

この「meshy-3d-agent」は、Meshy AI 3D生成プラットフォーム向けの既製のAIエージェントスキルセットです。テキスト…

FlashOPDは、わずか650行のコアコードでOn-Policy Distillation (OPD) を完全に実装した軽量なツールです。既存の複…

codex-imgenは、Codex CLIの画像生成機能をローカルでスクリプト可能にするCLIツールおよび非同期ジョブサービスです…

LinguaVoxは、Chrome拡張機能として提供されるAI音声入力・翻訳ツールです。ユーザーは母国語で話すだけで、OpenAI W…

rust-whisper-diarizationは、純粋なRustで実装されたストリーミング音声認識と話者分離のライブラリです。whisper.c…

本リポジトリは、ヨーク大学コンピュータサイエンス学部が提供する12週間の修士課程コース「大規模言語モデル — 内部…

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…

rusty-gptは、RustとBurnライブラリを用いてゼロから開発されたGPTモデルで、埋め込みから完全なトランスフォーマー…

litevizは、SLAMや3Dリアルタイム再構築などの3Dビジョン関連タスク向けに設計された軽量な3Dリアルタイム可視化アプ…

Windows向けのポータブルなマルチGPU音楽生成サーバーで、8種類のモデルを搭載。ワンクリックインストールで依存関係…

「video-evaluator」は、動画ファイルから視覚的証拠を抽出し、コーディングエージェントによる自動レビューや視覚的…

LLM Visualizationは、大規模言語モデル（LLM）の概念をブラウザ上でインタラクティブに可視化するツールです。ロー…

GeoMacro Oracleは、現実世界の出来事を機械が読み取り可能なリスクシグナルに変換する自律的な地政学的インテリジェ…

Nexus Memoryは、AIエージェント向けのユニバーサルな記憶層を提供するツールです。MCP (Model Context Protocol) に…

AI Battle Arenaは、法廷をテーマにしたAIバトルプラットフォームです。ユーザーが「Brief」と呼ばれるプロンプトを…

このツールは、手持ちの岩石・鉱物の写真から種類を識別するMATLABデスクトップアプリケーションです。畳み込みニュ…

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…

「FreebieAI」は、APIキー、サインアップ、課金が一切不要な無料のAI画像生成ツールです。単一の`index.html`ファイ…

coder-crewは、テスト駆動型のエージェントAIコーディングツールです。マネージャーモデルがコーディングタスクをサ…

ComfyUI-Orakul-SVPは、ComfyUIの出力画像を高品質なマスターファイルとしてエクスポートするためのカスタムノードで…