全AIリポジトリ

VEGA-3Dは、「Generation Models Know Space: Unleashing Implicit 3D Priors for Scene Understanding」の公式実装…

Entrolyは、AIのハルシネーションを検知し、トークン費用を70-95%削減するオープンソースのコンテキストエンジンです…

OmniShowは、ByteDanceが開発した人間とオブジェクトのインタラクションビデオ生成（HOIVG）のための統合モデルです…

AIによる自動研究やAI支援研究に関する論文を体系的に追跡・整理するリポジトリです。論文「AI for Auto-Research: R…

MasterSelectsは、ブラウザ上で動作するローカルファーストのメディアエディターで、ビデオ、オーディオ、ベクターア…

LiveTranslateは、Windows向けのリアルタイム音声翻訳ツールです。システムオーディオとマイク入力をキャプチャし、A…

Nova3Dは、テキストまたは参照画像から編集可能で、パーツごとに分割された3Dモデルを生成するAIツールです。従来の…

Token Monitorは、AIコーディングツールのトークン使用量、コスト、およびAI制限をリアルタイムで監視できるデスクト…

Aidenは、プロンプトに基づいてコンピュータを操作する自律型AIエージェントです。ブラウザ制御、ターミナル実行、ワ…

FluxRTは、FLUX.2-klein-4Bモデルを搭載し、消費者向けGPUに最適化されたリアルタイムストリーム編集パイプラインで…

predikitは、scikit-learnやXGBoostで訓練された機械学習モデルを、LLM（大規模言語モデル）から簡単に呼び出し可能…

MobileClawは、Androidデバイス上でLLMエージェントを動作させるためのオープンソースの実験的なモバイルアプリです…

このツールは、任意のコンテンツ（テキスト、ファイル、URL）を、ユーザーがスクリプト、プロンプト、ホストの役割、…

World-R1は、テキストからビデオを生成する際に、3Dの幾何学的制約を強化学習で強化する新しいフレームワークです。…

Antflyは、etcdのRaftライブラリを基盤とした分散型検索エンジンです。フルテキスト検索（BM25）、ベクトル類似性、…

QuarkAudioは、音声、音楽、一般的なオーディオイベントの処理と生成を統一するオープンソースプロジェクトです。こ…

Browser Use Box (bux)は、Claude Codeエージェントと実際のChromiumブラウザを組み合わせて、Playwrightスタイルの…

Beever Atlasは、チームのSlack、Discord、Microsoft Teams、Mattermostなどのチャット履歴を自動的に解析し、知識ベ…

HDR-GSは、Gaussian Splatting技術を用いて、HDR（ハイダイナミックレンジ）の新規視点合成を1000倍の速度で効率的に…

このリポジトリは、マルチモーダルモデリングに関する包括的な調査と厳選されたリストです。伝統的なマルチモーダル…

sqzは、LLM (大規模言語モデル) のコンテキストを圧縮することで、トークン消費量を削減し、コストを抑えるためのツ…

BiliSumは、Bilibili、YouTube、ローカル動画を対象としたAI動画要約・知識ベースツールです。動画コンテンツを検索…

KeyTypeは、macOSシステム全体で動作するオープンソースのAIオートコンプリートユーティリティです。ローカルLLM（大…

ComfyUI_FlashVSRは、リアルタイム拡散ベースのストリーミングビデオ超解像技術「FlashVSR」をComfyUI上で利用可能に…