ASR / 音声認識Multimodal-Emotion-Recognition-System
このツールは、顔の表情と音声分析をリアルタイムで組み合わせ、感情を検出する多モーダル感情認識システムです。主…
★ 1 2026-06-08
全AIリポジトリ
登録されているAI関連OSSの一覧
ASR / 音声認識
ASR / 音声認識voiceintake
「VoiceIntake」は、AIを活用して患者の音声問診を自動化するシステムです。患者が話すだけでAIが問診内容を瞬時に文…
★ 1 2026-06-16
ASR / 音声認識diting-ai-bilibili-video-to-text-notes
本ツールは、Bilibiliの人気動画やプレイリストのURLから、AIを活用して自動的にMarkdown形式のスマートノートを生成…
★ 1 ⑂ 1 MIT 2026-06-26
3D / NeRFPanoptic-MapAnything
このプロジェクトは、既存の3Dパノプティックシーンセグメンテーション手法が持つ高コストな最適化や入力制約といっ…
★ 1 Apache-2.0 2026-04-13
マルチモーダルvlm-from-scratch
このプロジェクトは、CLIP-ViTとQwen2.5をゼロから組み立てて開発されたミニLLaVAモデルの構築過程を記録したポート…
★ 1 MIT 2026-05-14
音声生成 / TTSvoice-tools
Voice Tools Directoryは、AI音声ツールを効率的に比較・検討するための静的なディレクトリサイトです。YouTuberやポ…
★ 1 ⑂ 1 MIT 2026-06-24
音声生成 / TTSbeatbitch
「BeatBitch」は、Android、Windows、Linux、iOS (PWA)、Webで利用できる没入型リズム音声コーチです。本ツールは、…
★ 1 NOASSERTION 2026-05-31
画像生成inex-gpt-image-2
このリポジトリは、OpenAIの次世代画像生成AI「GPT Image 2」向けの高品質なプロンプトを集めた個人コレクションです…
★ 1 NOASSERTION 2026-06-09
ASR / 音声認識Welcome-to-the-Narthex-Transcripts
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…
★ 1 NOASSERTION 2026-05-27
音声生成 / TTSMOSSlanding
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。…
★ 1 2026-06-05
マルチモーダルReceiptIQ
このツールは、レシートの画像から支出データを自動的に抽出し、その内容について自然言語で質問できる領収書解析AI…
★ 1 2026-06-03
AIエージェントyamtam-engine
YAMTAM ENGINEは、AIコーディングエージェントがリポジトリに損害を与えるのを防ぐための個人用エージェントOSです。…
★ 1 Apache-2.0 2026-07-03
ComfyUIvram8gb_comfyui_wan2.2
vram8gb_comfyui_wan2.2は、8GBのVRAMを持つミドルレンジGPU環境に最適化されたComfyUIワークフローです。Wan2.2（14…
★ 1 2026-06-29
ComfyUIcomfy-modal-kit
このライブラリは、モバイル環境でのComfyUIカスタムノードパック向けに設計された共有UIプリミティブを提供します。…
★ 1 2026-07-02
LLMgha-repro-kit
gha-repro-kitは、失敗したGitHub Actionsの実行ログから、簡潔なレポートとローカルでの再現スクリプトを生成するCL…
★ 1 MIT 2026-06-15
マルチモーダルjapan-ocr-mini-benchmark-public
このツールは、ノイズの多い合成レシート画像、グラウンドトゥルースJSON、ローカルのLM Studioベースライン結果を含…
★ 1 NOASSERTION 2026-06-30
画像生成ideogram4-mps
Apple Silicon搭載Mac上で人気の画像生成モデルIdeogram 4を実行可能にするツールです。CUDAやNVIDIA GPUが不要で、M…
★ 1 MIT 2026-06-30
音楽生成photo_sonification
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…
★ 1 MIT 2026-05-14
動画生成awesome-ai-app-promo-video-prompts
このGitHubリポジトリは、AIアプリのプロモーションビデオ、アプリデモ、アプリストア用クリエイティブのための実践…
★ 1 2026-04-28
マルチモーダルcorpus-mill
「corpus-mill」は、ローカルGPUのみで動作するマルチモーダル動画アノテーションパイプラインです。長尺動画（人物…
★ 1 Apache-2.0 2026-05-06
音楽生成MAZ-MUSIC
MAZは、AI音楽生成のための自己ホスト型ウェブアプリケーションです。ACE-Step 1.5基盤モデルを核とし、クリーンなブ…
★ 1 ⑂ 1 MIT 2026-06-15
マルチモーダルxhs-note-reader
このツールは、中国のソーシャルメディア「小紅書」の図文ノート（画像とテキスト投稿）を、タイトル、本文、全画像…
★ 1 MIT 2026-05-19
ComfyUIComfyUI-Foundation-1
ComfyUI-Foundation-1は、ComfyUIにFoundation-1カスタムノードを追加し、テキストプロンプトから短時間の音楽サンプ…
★ 1 ⑂ 1 NOASSERTION 2026-06-29
LLMChatPDF
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…
★ 1 MIT 2026-05-20