全AIリポジトリ

OpenMVGは、3DコンピュータビジョンとStructure from MotionのためのオープンソースC++ライブラリです。画像からの3D…

stable-diffusion.cppは、Diffusionモデル（SD、Flux、Wanなど）の推論を純粋なC/C++で実行するための超軽量ライブラ…

wav2letter++は、Facebook AI Researchが開発した自動音声認識（ASR）ツールキットです。現在はFlashlightフレームワ…

Jaaz.appは、世界初のオープンソースのマルチモーダルなクリエイティブアシスタントです。CanvaやManusの代替として…

YuEは、歌詞からボーカルと伴奏を含む数分間のフルソングを生成できる、オープンソースの音楽生成基盤モデルです。多…

StyleTTS 2は、テキストから人間レベルの自然な音声を合成する最新のText-to-Speech（TTS）モデルです。スタイル拡散…

Argmax Open-Source SDK Swiftは、Apple Siliconデバイス上で動作する高性能なオープンソースAI推論フレームワーク群…

PaddleX 3.0は、飛桨（PaddlePaddle）フレームワークを基盤とした低コード開発ツールです。200以上の開箱即用な事前…

Atomic Agentsは、AIパイプラインとアプリケーションを構築するための軽量でモジュール式のフレームワークです。LEGO…

このリポジトリは、プロンプトエンジニアリングとコンテキストエンジニアリングに関する厳選されたリソース集です。…

apfelは、Macに標準搭載されているApple FoundationModelsを活用し、完全にオフラインで動作するAIツールです。CLI、…

Speech To Speechは、オープンソースモデルを活用してローカルで高度な音声エージェントを構築するためのプロジェク…

OpenSquillaは、トークン効率を最大化するマイクロカーネルAIエージェントです。限られた予算で高い知能密度と優れた…

「whichllm」は、ユーザーのコンピューターハードウェア（GPU/CPU/RAM）を自動検出し、その環境で最も性能を発揮する…

Silero Modelsは、事前学習済みのテキスト読み上げ（TTS）モデルを開発者向けに提供するライブラリです。このツール…

Enchantedは、Ollama互換のオープンソースアプリで、Llama2やMistralなどのプライベートな自己ホスト型言語モデルと…

LatentSyncは、音声入力に基づいて動画のリップシンクを生成する、エンドツーエンドの革新的な手法です。既存のピク…

FunClipは、オープンソースで高精度かつ使いやすい動画クリッピングツールです。Alibaba TONGYIのFunASR Paraformer…

MeshLabは、3Dスキャンで得られる大規模で非構造化な3D三角メッシュの処理と編集に特化したオープンソースシステムで…

このリポジトリは、永続的な無料利用枠を提供する大規模言語モデル（LLM）APIの厳選されたリストを提供します。コス…

「Awesome Video Diffusion」は、動画生成、編集、復元、理解、NeRFなど、動画関連の多岐にわたるタスクに対応する最…

SUPIR（Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild）…

このリポジトリは、OpenAIのDALL-E（テキストから画像を生成するTransformerモデル）をPyTorchで実装・再現したもの…

Sembleは、AIエージェント向けに設計された高速かつ正確なコード検索ライブラリです。`grep+read`と比較して約98%も…