全AIリポジトリ

本ツールは、Higgs Audio StudioのワンクリックPinokioランチャーです。100以上の言語に対応する表現力豊かな音声合…

このリポジトリは、MAiTL-Groupによる「Physics-Informed DeepMRI: k-Space Interpolation Meets Heat Diffusion」の…

「Awesome GPU for AI」は、AIおよびLLMワークロード向けGPUの選定ガイドです。特にローカルLLM推論に焦点を当て、VR…

このツールは、韓国語に特化した音声複製TTS（Text-to-Speech）サービスです。既存のGPT-SoVITSプロジェクトを基盤と…

Portaは、iPhoneから任意のWebブラウザへファイルを直接ストリーミングできる、一時的でグローバルなデバイス間ファ…

ComfyUI向けのText-to-Speechカスタムノードです。Microsoft Edge TTSを使って自然な音声のWAVを書き出せ、テキスト…

本ツールは、LLMとRAG技術を駆使した高度なテキスト整理および情報検索システムです。PDFやテキスト文書のアップロー…

このリポジトリは、Spring AI、Chroma、OpenAI、Reactを組み合わせたプロダクションレベルのRetrieval-Augmented Gen…

SpinForge AIは、Python、Flaskなどを利用して構築された、AIアシスト付きの360°オブジェクトおよびロゴスピンビデオ…

このツールは、GTZANデータセットを用いた音楽ジャンル分類のためのマルチモーダルCNNモデルを提供します。メルスペ…

LoRA-Studioは、Stable DiffusionにおけるLoRA開発のためのオープンソースのトレーニング管理プラットフォームです。…

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…

このリポジトリは、フォトリアルなAIカップル写真、ウェディング、ロマンチックなポートレートを生成するためのAIプ…

このプロジェクトは、TinyMLとESP32を活用し、適応型ノイズ耐性を持つオフライン音声制御マイクロコントローラーシス…

Monolithは、LLM（大規模言語モデル）、Stable Diffusion、音声生成などに対応したローカルAIワークステーションです…

このツールは、オープンソース技術（Whisper、Groq、LLaMA 3.3、gTTS、FastAPIなど）を基にゼロから構築された音声AI…

「video-evaluator」は、動画ファイルから視覚的証拠を抽出し、コーディングエージェントによる自動レビューや視覚的…

macOS向けのプライバシーを重視した自己ホスト型音声入力ツールです。ホットキーを押しながら話すことで、音声をテキ…

本システムは、最先端のニューラルネットワーク技術を活用したエンドツーエンドの音声AIで、テキストから高品質な音…

このソフトウェア「better-than-claude-skills」は、AIアシスタントに16種類のツールを追加し、その能力を最大限に引…

本リポジトリは、Stable Diffusion 3に着想を得た、DiTベースの条件付きフローモデルを実装しています。主な機能は、…

ReCo-Diffは、スパースビューCT（低線量CT）における画像再構成のための、残差条件付き決定論的サンプリングに基づく…

K-MetBenchは、気象学における専門家の推論、地域性、マルチモダリティを詳細に評価するための多次元ベンチマークで…

このツールは「voice-channel」と名付けられ、Claude Codeエージェントをハンズフリーで音声操作するためのローカル…