全AIリポジトリ

Sirenumは、任意の画像を基に、決定的かつ再現性の高い音楽を生成するツールです。楽譜（MusicXML）、MIDI、およびロ…

LiveDialogue-Translatorは、Windowsデスクトップ向けのローカルファーストなキャプションアプリです。システムおよ…

このツールは、Magikaに触発された軽量な画像品質ゲートで、画像を「シャープ」、「ぼやけ」、「不確実」のいずれか…

「Mega AI — Multi-Agent RAG System」は、自己改善型のマルチエージェント検索拡張生成（RAG）APIです。ユーザーか…

このリポジトリは、実践的なRAG（Retrieval Augmented Generation）の30日間のチュートリアルシリーズです。FastAPI…

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…

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…

Thread Contractは、AIコーディングエージェント向けの対話スレッドに特化したランタイム契約レイヤーです。ユーザー…

MiMo-Codeは、MiMoモデルファミリー専用のネイティブデスクトップコーディングエージェントです。WindowsおよびmacOS…

mdrouterは、OpenAI、Ollama、Anthropicといった複数のLLMプロバイダーに対応したルーターです。低コスト、低遅延、…

Crucibleは、ロボットのデモンストレーションデータを評価・キュレーションするための多軸VLM（Vision-Language Mode…

AI-Canva-Style-Editorは、StreamlitとOpenAIを基盤としたAI画像生成・編集プラットフォームです。テキストプロンプ…

ComfyUI-NVML-Monitorは、ComfyUI上でNVIDIA製GPUのリアルタイムハードウェア監視を可能にする軽量な拡張機能です。C…

Crashout Buddyは、Vision AgentsとStream Video上に構築された、リアルタイムで感情認識を行う音声AIエージェントの…

LLIPSEは、内陸水路における船と陸間の通信のEnd-to-End遅延を予測するための軽量なLLM（大規模言語モデル）ベースの…

ovos-tts-plugin-kokoroは、Open Voice OS (OVOS) 音声アシスタント向けに開発された、多言語テキスト読み上げ（TTS…

LetAITalkは、AI音声アシスタントとしてユーザーに代わって電話に応答し、着信の意図を理解して安全な範囲で返答する…

FoveaEngineは、Godot 4.6+向けに開発された次世代VRレンダリングエンジンです。従来の3Dパイプラインを超越するため…

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…

Siriousは、macOS上でローカルの音声コマンドのトランスクリプトを分類し、ルーティングする早期開発段階のアプリケ…

LangSliceは、Vision-Language Model (VLM) を活用し、組織学的脳切片をBrainGlobeアトラスに自動で高精度に位置合わ…

本プロジェクトは、Retrieval-Augmented Generation (RAG) システムをゼロから手動で構築し、学習することに特化して…

browsergroundは、ハイブリッドAIエージェント向けのローカルUIグラウンディングツールです。スクリーンショットとテ…

NeuraLearnは、AIを活用して学生の学習をサポートするWebアプリケーションです。主要な機能として、指定したトピック…