全AIリポジトリ

AKIRAはPython製のパーソナルAI音声アシスタントで、音声コマンドにより日常のPC作業を自動化します。ウェイクワード…

Happy Horse APIは、AlibabaのAI動画モデル「Happy Horse」をAPIDot経由で利用するためのAPIと、その実装例を提供す…

「rag-systems-production」は、Windowsチーム向けに設計された、本番環境対応のRAG（検索拡張生成）システム構築ツ…

Runwayは、動画、画像、オーディオ制作のための生成AIツールを開発する企業です。Gen-4モデルファミリーを基盤とし、…

Speech-MCPは、身体化エージェントやヒューマノイド向けに設計された多機能な音声ゲートウェイです。Alibaba FunASR…

「GPT Image 2 – OpenAI Image Generator」は、OpenAIのDALL-E技術を搭載した無料のAI画像生成ツールです。テキスト…

Auratuneは、Lofi Girlのような没入型体験にインスパイアされた、Lo-fiスタイルのデジタルコンテンツ作成システムで…

DiffusionDeskは、ComfyUIユーザー向けの強力なAI画像生成フロントエンドです。Text2Image、Image2Image、Inpaint、I…

「marmalade-tts-android」は、オンデバイスのニューラルボイスと感情認識プロソディを搭載したAndroid向けテキスト…

hermes-weixin-voiceは、Hermes WeChatエージェント向けの双方向音声I/Oレイヤーです。これにより、エージェントは受…

「splattie-widget」は、インタラクティブな3D Gaussian SplattingをWebコンポーネントとして提供するツールです。Ri…

OpenVoxは、選択したテキストをグローバルショートカットで読み上げる、オープンソースかつマルチOS対応のデスクトッ…

BaltiVoice ASRは、バルティ語（チベット語族の低リソース言語）の音声をテキストに変換する初のAI音声認識（ASR）シ…

AgentOSは、複数のAIエージェントが記憶を共有し、連携してタスクを遂行するための基盤となる「AIエージェント向けオ…

NAVA-Text-to-Videoは、高度なオーディオビジュアル生成フレームワークです。Native Audio-Visual Alignment (NAVA) …

tokensieveは、VLM（Vision-Language Model）を用いたVQA（Visual Question Answering）タスクにおいて、推論時の「p…

このプロジェクトは、コンピュータビジョン、3Dビジョン、自動運転、マルチモーダル知覚、具身知能、ロボティクスと…

このGitHubアクションは、AI（LLM）を活用してプルリクエストの内容を自動的に要約し、開発者の負担を軽減します。主…

radscoreは、AI生成の放射線レポートを評価するための軽量なPythonツールキットです。BLEU、ROUGE、BERTScoreといっ…

card-news-mcpは、テキストと背景画像からInstagramスタイル（720x720 PNG）の美しいカードニュースを自動生成するMC…

このツールは、ClaudeなどのAIコーディングエージェントがVS Codeに組み込まれているブラウザツールを使って、Playwr…

このGitHubリポジトリは、AIによるミュージックビデオのプロンプト、ビジュアライザーのワークフロー、歌詞ビデオの…

Sibylは、TemporalとGo言語で構築された、堅牢なマルチエージェント収束フレームワークです。ResearcherとCriticの2…

このツールは、RAG (Retrieval-Augmented Generation) システムの設計と構築を目的とした実験的なリポジトリです。デ…