全AIリポジトリ

この「Invoice Extraction System」は、VLM（Vision Language Models）を活用して、請求書や領収書から構造化された…

Sora 2 Official APIは、APIDotを通じて提供されるOpenAIのSora 2動画生成モデルの公式APIです。テキストプロンプト…

「Bad Hands Scorer」は、拡散モデルが生成する「奇妙な手」の画像を識別し、美的スコアを付与するための軽量な概念…

本リポジトリでは、大規模言語モデル（LLM）が抱えるハルシネーションや推論速度の課題を克服するため、新たなエージ…

このツールは、PDF文書の内容に基づいた質問応答を可能にするRAG（検索拡張生成）システムです。PDFをアップロードす…

libu-studioは、AIエージェントによって駆動されるオープンソースのコンテンツ生成ツールキットです。liblib.artを基…

このリポジリポジトリは、大規模言語モデル（LLM）のトレーニングと推論に関する優れたフレームワーク、ツール、リソ…

このツールは、ビジョン言語基盤モデル（CLIP、SigLIP 2、X-CLIP）を用いたゼロショット動画分類器です。タスク固有…

ComfyUI_SparkVSR_SMは、ComfyUI内で動画の超解像処理を行うWindows向けツールです。キーフレームとフレーム伝播の技…

このツールは、トルコ語のテキスト（物語、コンセプト、下書きなど）をSunoやUdioといった音楽生成AI向けの音楽プロ…

opencli-skillは、AIエージェントがWindowsデスクトップ上でブラウザ操作やアプリケーション制御などのタスクを自動…

Yuri OSは、自然言語で目標を指示するだけで、AIが自動的に複雑なマルチエージェントワークフロー（DAG）を設計し、…

FootPrint Analyticsは、サッカーの試合映像をAIで分析するパイプラインシステムです。YOLOv8とByteTrackを用いて選…

「comfyui-touch-numeric」は、人気の画像生成AIツールComfyUIの数値入力ウィジェット（seedやINT/FLOAT値など）を、…

「Image Skill CLI」は、AIエージェント向けに画像生成・編集、動画・音声生成、3D作成をゼロセットアップで実現する…

Calfcordは、Discordサーバー内で独自のペルソナを持つAIエージェントの分散チームを構築できるツールです。各エージ…

本プロジェクトは、Free Spoken Digit Datasetを用いてゼロから訓練された小型のCTC音声認識器です。1秒間の数字音声…

このリポジトリは、臨床文字起こしモデル、医療音声認識（STT）パイプライン、およびヘルスケア分野の会話型インター…

splat-slimは、3D Gaussian Splatting（3DGS）モデルを再トレーニングせずに軽量化するためのツールです。既存の.ply…

ComfyUI-Orakul-SVPは、ComfyUIの出力画像を高品質なマスターファイルとしてエクスポートするためのカスタムノードで…

RunPod上でComfyUIをインタラクティブに実行するための、費用管理機能を重視したローカルファーストなセッションコン…

「Code-Driven Video Template」は、スクリプトからナレーション付きのデータスタイルの動画をコードベースで生成す…

Neroは、キャンバスベースの論理回路シミュレーターで、論理シーケンスを生成的なサウンドスケープに変換します。ユ…

このリポジトリは、Frameloop API を用いたAI動画自動化のための実用的な「curlレシピ集」です。顔出しなしのYouTube…