全AIリポジトリ

このリポジトリは、EAMT 2026の論文「Towards Visually-Guided Movie Subtitle Translation for Indic Languages」で…

Roco Kingdomは、多エージェント協力に基づく『洛克王国』ゲームの精霊百科システムです。自然言語で精霊情報、属性…

TBAF（Triangle Based Activation Function）は、画像ベースモデル向けの画期的な活性化関数です。自己回帰的な画像…

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…

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…

このプロジェクトは、CLIP-ViTとQwen2.5をゼロから組み立てて開発されたミニLLaVAモデルの構築過程を記録したポート…

「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…

DeepSceneは、オープンソースのビデオ-ストーリーボードCLIエージェントであり、低コストで動画の深い理解を実現しま…

Definersは、AI、メディア、データ製品を構築するチーム向けの包括的なPythonプラットフォームです。このモジュール…

comfyui-weaverは、Claude CodeがComfyUI（ローカルおよびComfy Cloud）を操作できるようにする自己完結型MCPサーバ…

このツールは、RAG (Retrieval-Augmented Generation) システムの設計と構築を目的とした実験的なリポジトリです。デ…

OmniCutは、動画編集、音声ミキシング、写真編集、カラーグレーディング、AIを活用したコンテンツ作成機能を統合した…

Voice Tools Directoryは、AI音声ツールを効率的に比較・検討するための静的なディレクトリサイトです。YouTuberやポ…

loomは、耐久性のあるエージェント実行エンジン「Sibyl」のためのSlackフロントエンドです。Slackのメッセージやコマ…

この「TTS Video Generator」は、Python、ElevenLabsの音声合成、FFmpegを組み合わせて、AI音声と同期字幕付きの短い…