全AIリポジトリ

「The Earful Tower」は、ローカル環境で動作する高性能な音声文字起こし・話者分離ツールです。Whisper large-v3モ…

Voxiは、Instagram、YouTube、TikTok、X、Facebookといったソーシャルメディアの動画をローカル環境で文字起こしする…

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…

VoiceBlend-TUIは、Textualフレームワークで構築されたターミナルUI（TUI）アプリケーションです。テキストファイル…

このリポジトリは、「The Applied AI Universe」というAIの同心円状の分類法に基づいた2つの包括的なコーディングガ…

BaltiVoice ASRは、バルティ語（チベット語族の低リソース言語）の音声をテキストに変換する初のAI音声認識（ASR）シ…

Cell-memは、AIエージェント向けに脳にインスパイアされた多層的な永続メモリシステムです。作業記憶、エピソード記…

DocIntelは、RAG（検索拡張生成）技術を用いたAIドキュメントインテリジェンスシステムです。PDF、DOCX、TXT、Markdo…

「Grok Image MCP」は、xAIの画像生成・編集サービス「Grok Imagine」をAIコーディングエージェント向けに提供するMC…

このツールは、テキストを手書き風の画像に変換するGUIアプリケーションです。複数のフォントやページ選択オプション…

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…

本ツールは、DJIドローンで撮影された動画をGPS情報付きの3Dガウシアンスプラットへ変換する完全なパイプラインを提…

このツールは、GitHubのプルリクエストをAI（LLM）が自動的にレビューするGitHub Actionです。`codellama`などの指定…

このツールは、トークナイザーフリーの多言語テキスト読み上げシステム「OpenBMB VoxCPM」を、Pinokioを通じて簡単に…

このGitHubリポジトリは、ファッションブランド、アパレル販売業者、スタイリスト、クリエイター、Eコマースチーム向…

S.A.R.A（Smart Autonomous Response Assistant）は、Pythonで構築された、JARVISにインスパイアされた完全音声制御…

Enterprise RAG Intelligenceは、ゼロトラスト検索、RBAC強制、および根拠に基づいた生成を提供するセキュアなエンタ…

本リポジトリは、MEFAI画像から動画へのパイプラインにおけるホーム側のGPUワーカーです。クラウド上で画像から動画…

「marmalade-tts-android」は、オンデバイスのニューラルボイスと感情認識プロソディを搭載したAndroid向けテキスト…

このツールは、本番環境に対応したRAG（検索拡張生成）とAIエージェントプラットフォームです。高密度、BM25、RRFを…

このツールは、MiniMaxのAI生成機能をCodex CLIに統合するためのスキルです。画像生成、動画生成、音声合成（多言語…

「OptixGaussianRenderer」は、NVIDIA OptiXフレームワークを用いてGaussian Splatsのレイトレーシングを実装したプ…

「GPT Image 2」は、OpenAIの最新画像生成モデルを基盤とした無料のAI画像生成ツールです。テキストプロンプトから写…

PUMA Communityは、ICTプロジェクト管理タスクにおけるローカルLLMのベンチマーク結果をコミュニティから収集し、公…