全AIリポジトリ

MultiMind SDKは、複数のAIモデルとプロバイダーを統一されたAPIで扱えるPythonベースのAI開発フレームワークです。…

Trove AIは、中国のインターネットコンテンツに特化した自己ホスト可能なAI搭載型「後で読む」ツール兼知識ベースで…

diarizeは、音声ファイルから「誰がいつ話したか」を自動的に識別するPython製のスピーカーダイアリゼーションツール…

Aithyは、ユーザーのローカルマシン上で安全に動作し、有用なコンテキストを記憶し、データをユーザーの管理下に置く…

SD-Anima-Prompt-Studioは、Stable DiffusionとAnimaのプロンプト作成を支援する、洗練されたガラスモフィズムデザイ…

HearoPilotは、Androidデバイス上で動作するオンデバイスAI会議アシスタントです。リアルタイムの音声文字起こしとLL…

ComfyUI-RookieUIは、ComfyUIのカスタムノード拡張で、A1111（Automatic1111）スタイルのサイドバーUIとワークフロー…

ReactiveGWMは、プレイヤー操作とNPCの自律性を分離することで、ゲーム内のNPCをより動的に制御する新しいゲーム世界…

OpenDocumentsは、GitHub、Notion、Google Drive、ローカルファイル、Webソースなど、分散した組織の知識ソースを統…

「MobileI2V」は、画像から高品質な動画を高速で生成できるツールです。特にモバイルデバイスでの利用に最適化されて…

J.A.R.V.I.Sは、Hermes Agentをベースにした、アイアンマンスタイルの自律型音声アシスタント兼コマンドセンターです…

「locate-anything」は、NVIDIAのLocateAnything-3Bモデルを利用した、モバイルフレンドリーなWebインターフェースで…

「Awesome-Large-Language-Diffusion-Models」は、大規模言語拡散モデル（dLLM）に関する研究論文を網羅的かつ体系的…

SR-Agentsは、大規模言語モデル（LLM）エージェントにおけるスキル検索拡張（SRA）の研究と評価を目的としたコミュニ…

OpenMelonは、ターミナル上で動作するAIコンテンツ作成エージェントです。ユーザーは単一のターミナルセッション内で…

「NexusQuant (灵枢量化)」は、AIと大規模言語モデル（LLM）を統合した次世代の暗号通貨自動取引システムです。市場…

AriaTypeは、デスクトップ向けの音声入力ツールで、話した内容をカーソルがある場所に直接テキストとして挿入します…

AWS向けオープンソース3D再構築ツールボックスは、画像や動画入力から3Dシーンやオブジェクトを再構築するためのエン…

「crafter/trx」は、Whisperを活用してオーディオやビデオを書き起こすためのエージェントファーストなCLIツールです…

「kstack」は、Claude Code向けのスキルパックで、Kubernetesクラスターの監視、トラブルシューティング、監査をAIの…

Narrator AI CLIは、AIを搭載した動画ナレーションプラットフォーム「Narrator AI」のコマンドラインツールです。AI…

「theDAW」はGANTASMOが開発したAI音楽制作のためのオールインワンスタジオです。既存のオーディオ、テキストプロン…

「Unify-Agent」は、Web検索等で外部の知識を能動的に参照し、事実に忠実な画像を生成する統一マルチモーダルAIエー…

「Granite Switch」は、IBM Researchが開発したオープンソースプロジェクトで、複数のファインチューニングされたLoR…