全AIリポジトリ

dvlt.cuは、NVIDIAのDVLT (Déjà View Looping Transformer) をCUDA/C++で再実装した、依存関係のない高速な3D再構築…

whisrsは、Linux向けに特化して開発されたRust製の音声テキスト変換（ボイスtoテキスト）ディクテーションツールです…

「OmniVideo-100K」は、音声・視覚推論能力の向上を目指す大規模データセットと、そのための自動データ合成エンジン…

大規模な3Dシーン生成に関する研究プロジェクト「Any 3D Scene is Worth 1K Tokens: 3D-Grounded Representation for…

DeepCloakは、Cloudflare、Datadome、Turnstile、reCAPTCHAなどのボットウォールによってブロックされるウェブページ…

gabriele-mastrapasqua/qwen3-ttsは、Qwen3-TTSテキスト読み上げモデル（0.6Bおよび1.7B）向けの軽量かつクロスプラ…

Memexaは、AIエージェントと人間が中国語のデータを扱うための自己ホスト型記憶グラフツールです。WeChat、QQ、飛書…

EcoSplatは、効率制御可能なフィードフォワード3D Gaussian Splatting技術を実装したツールです。マルチビュー画像か…

「MuAPI ComfyUI Nodes」は、muapi.aiを通じて100以上の最先端AIモデル（Seedance、Kling、Veo3、Flux、HiDream、GPT…

LeapAlignは、フローマッチングモデルを人間の好みに合わせて微調整するための学習後手法です。完全なサンプリング軌…

OpenVoiceUIは、音声コマンドで操作するオープンソースのAIアシスタントプラットフォームです。任意のLLMやTTSと連携…

SynthBridgeは、ユーザーが入力したコード進行やメロディをリアルタイムで生成し、即座に演奏できる音楽生成Webアプ…

このツールは、NVIDIA DGX Spark (GB10 / Blackwell / sm_121a) に特化して最適化された、最先端のComfyUIディストリ…

Doubao Murmurは、豆包（doubao.com）のWeb音声認識機能を活用したミニマルな音声入力ツールです。macOSとLinux/Stea…

C.A.D.I.S.は、Rustを優先し、ローカルファーストでモデルに依存しないマルチエージェントランタイムです。単一のデ…

RunAPI MCP Serverは、AI画像生成、動画生成、音楽作成、テキスト読み上げ、プロンプト検索、モデル発見といった多岐…

Huobao Drama AIは、AIを活用した短編ドラマ制作のためのワンストッププラットフォームです。Next.js 16とTypeScript…

本ツールは、Meta Questデバイスでキャプチャされたパススルー画像と深度データを用いて3Dシーンを再構築するための…

Clicky for Windowsは、カーソルの隣に常駐するAIティーチングコンパニオンです。画面の内容を認識し、ユーザーから…

RvR (Refinement via Regeneration) は、清華大学とTencent Hunyuanが開発した、画像リファインメントのための革新的…

OpenVeniceは、Venice AI APIのためのオープンソースでカスタマイズ可能なWebフロントエンドです。チャット、画像・…

Milaは、macOSネイティブのローカル文字起こしアプリケーションです。マイク録音、システムオーディオ録音、会議録音…

このツール「youtube-to-knowledge」は、YouTube動画を文字起こし、要約、そしてインタラクティブな知識グラフへと変…

このリポジトリ「Awesome Suno AI Prompts」は、Suno AIでチャート品質の楽曲を生成するための、1000以上のプロフェ…