全AIリポジトリ

TheLastBen/fast-stable-diffusionは、Google Colab上でStable Diffusion環境を迅速に構築・実行するためのノートブ…

Mochi Diffusionは、Apple Silicon搭載Mac向けに最適化されたStable DiffusionおよびFLUX.2 Kleinのネイティブアプリ…

VITSは、エンドツーエンドのテキスト読み上げ（Text-to-Speech, TTS）システムであり、条件付き変分オートエンコーダ…

本リポジトリは、GoogleのDreamboothのアイデアをStable Diffusionに実装したものです。従来のTextual Inversionが単…

ShortGPTは、YouTubeショートやTikTokチャンネルの自動化に特化したAIビデオ自動化フレームワークです。LLM指向の編…

Yaoは、AIエージェントとWebアプリケーションを単一バイナリで構築するためのオープンソースランタイムです。会話型…

「ComfyUI Workflows ZHO」は、人気のAI画像生成インターフェースであるComfyUI向けの、多岐にわたるワークフローを…

MLX-Audioは、AppleのMLXフレームワークを基盤とし、Apple Silicon (Mシリーズチップ) に最適化された高速で効率的な…

このツールは、拡散モデル（特にStable Diffusion）を効率的にファインチューニングするためのLow-rank adaptation (…

MeloTTSは、MITとMyShell.aiによって開発された、高品質な多言語テキスト読み上げライブラリです。英語（複数アクセ…

Binduは、AIエージェントのためのアイデンティティ、通信、決済レイヤーを提供するプラットフォームです。エージェン…

MMagic (OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox)は、テキストから画像生成…

PixelRAGは、ウェブページ、PDF、画像をスクリーンショットとして視覚的にレンダリングし、ビジョン言語モデルで埋め…

このツールは、Automatic1111 Stable Diffusionの機能をAdobe Photoshop内で直接利用できるプラグインです。ユーザー…

InternLMは、汎用的な利用と高度な推論のために設計された大規模言語モデル（LLM）シリーズです。最新のInternLM3-8B…

OpenCompassは、大規模言語モデル（LLM）の評価を効率的かつ正確に行うための包括的なプラットフォームです。強力な…

Loop Engineeringは、GrokやClaude CodeなどのAIコーディングエージェントのプロンプトとオーケストレーションを行う…

Omnigentは、Claude Code、Codex、Pi、およびユーザーが作成したカスタムエージェントを含む、あらゆるAIエージェン…

Vibeは、OpenAI Whisper技術を利用してオーディオやビデオをオフラインで高精度に文字起こしするツールです。データ…

annyangは、ウェブサイトを音声コマンドで制御できるようにする軽量なJavaScript音声認識ライブラリです。わずか2KB…

「Awesome Neural Radiance Fields」は、ニューラルラディアンスフィールド（NeRF）に関する優れた研究論文を厳選し…

Qwen-VLは、Alibaba Cloudが開発した大規模ビジョン言語モデル「通义千问-VL」の公式リポジトリです。Qwen-VL-Plusお…

eSpeak NGは、Linux、Windows、Androidなど多様なOSに対応するオープンソースのコンパクトなテキスト読み上げシンセ…