全AIリポジトリ

PrismRAGは、PDFドキュメント内のテキストだけでなく、図、チャート、テーブルといった視覚情報からも質問に答えるマ…

Cosmo3DFlowは、初期宇宙の初期条件を現在の観測データから再構築するためのツールです。3Dウェーブレットフローマッ…

LittleOrange Video MCPは、Model Context Protocol（MCP）に基づく動画生成サーバーサイドツールです。Sora2、Veo3.…

Psycheは、Obsidianノート、書籍、ドキュメントに対応した、軽量で完全にオフライン動作するGraphRAGおよびRAGエンジ…

Veynorは、DiscordなどのAIエージェント向けにリアルタイム音声インタラクションを提供するオープンソースの音声ラン…

via54Designは、人間のインスピレーションとAIを融合させ、物語からビデオ、プレゼンテーション、クリエイティブ画像…

AED Subtitlesは、Adobe After Effects向けにDescriptスタイルのローカルWhisperキャプションを提供するツールです。…

Logica Voiceは、オープンソースで音声ネイティブな会話型AIエンジンです。フルデュプレックス、マルチエージェント…

「P-Video Avatar generator」は、PrunaAIのP-Video Avatarモデルを搭載した、無料のAIトークアバター動画生成デスク…

このリポジトリは、様々な生成AIアーキテクチャ（VAE、GAN、DDPMなど）をPythonでゼロから実装したコンパクトなコレ…

このVoice-RAG-Assistantは、Python、Groq LLM、Whisper、Google Generative AIを活用した音声対応のRetrieval-Augme…

CareerScanは、AIを活用した履歴書分析ツールです。PDF形式の履歴書と職務記述書をアップロードすると、LLaMA 3.3-70…

「NulleCore-eAI」は、Windows向けのローカルファーストAIクリエイティブワークステーションです。オフラインでのAI…

本リポジトリは、2D臨床サーモグラフィ画像から乳房の3D形状再構築と熱マッピングを行うための多段階研究パイプライ…

「kokkai-webtv-captions」は、国立国会図書館の国会会議録が公式に公開されるまでの未収録期間を埋めるための個人用…

「MusicGen + Demucs API」は、テキストプロンプトからAI音楽を生成し、音源をボーカル、ドラム、ベースなどに分離す…

Parleqは、macOS向けのオープンソースで音声入力によるテキスト作成ツールです。グローバルホットキーで起動し、話し…

Vox Beeは、Windows向けの無料オープンソース音声入力ソフトウェアです。whisper.cppを基盤とし、高速なローカル音声…

このプロジェクトは、自然言語の記述からAI（GPT-5.1 Codex Max）がManimコードを生成し、教育的なアニメーション動…

ComfyUI-Flux2KontextConditionerは、ComfyUIのFlux2 Kontext - Klein画像編集ワークフローを強化する高度なコンディ…

「Recto」は、macOSおよびiOSアプリケーション向けのスクリプト追跡エンジンです。音声認識技術を活用し、あらかじめ…

リアルタイム音声AI顧客サポートプラットフォームは、音声認識（STT）、音声合成（TTS）、マルチエージェントオーケ…

「vision-bridge-skill」は、多モーダル対応ではないAIモデルに対し、画像、PDF、スクリーンショット、図表などの視…

ComfyUI-Mutantworkは、ComfyUI向けのカスタムノードスイートで、プロンプトの最適化、ローカルでのAI画像鑑識、およ…