全AIリポジトリ

VapiAIが開発・運用する「Humanness Index™」は、音声AIがどれだけ人間らしく聞こえるかを測定するオープンなベンチ…

OpenAudioBookifyは、プレーンテキスト、マークダウン、HTML、EPUB形式のドキュメントをM4Aオーディオファイルに変換…

AI Zero Tokenは、ChatGPT/Codex OAuthアカウントに対応したローカルファーストのOpenAI互換ゲートウェイです。ロー…

ClipForgeは、ユーザーのアイデアやテキスト、PDFなどを基に、AIが短動画を自動生成するシステムです。原稿作成、ナ…

「Hand2World」は、自由空間での手のジェスチャーから一人称視点でのインタラクションを自動回帰的に生成する研究プ…

Pinecone Gemini CLI拡張機能は、Pineconeの公式拡張ツールです。このツールを利用することで、ターミナルから直接、…

ChaosEngineAIは、本格的なAI開発者や愛好家向けのローカルAIワークステーションです。オープンウェイトモデルの発見…

「ElBruno.Realtime」は、.NET向けのプラグイン可能なリアルタイム音声会話フレームワークです。ローカルでVAD（音声…

Agent Islandは、macOSのノッチに表示される、Claude/Codex AIエージェント用のコンパニオンアプリです。長時間のAI…

ETCHR (Editing To Clarify and Harness Reasoning)は、質問条件に基づいて推論を意識した画像エディタです。マルチ…

LatentGateは、VL-JEPAに着想を得たパイプラインで、画像や長いテキストなどの複雑な処理をローカルのOllama（無料）…

「Awesome World Models for Video, Games & 3D」は、ビデオ生成、インタラクティブなシミュレーション、そして3Dワ…

このGitHubリポジトリは、リモートセンシング分野における優れた視覚的生成モデル、関連論文、データセット、および…

mimo-mcpは、XiaomiのMiMo全モーダルAI機能（多モーダル対話、画像/動画理解、テキスト音声合成、音声クローン、音声…

このツールは、Arena AI (旧 LMSYS Chatbot Arena) のLLM、Vision、Code、Video、Imageなどの全リーダーボードのスナ…

MaidWhisperは、GPT-SoVITSを搭載したキャラクターボイスで、Windows上の選択したテキストを読み上げるシステムレベ…

SLARMは、動的なシーンの再構築、セマンティックな理解、リアルタイムストリーミング推論を統合するフィードフォワー…

EEP（Entity Engagement Protocol）は、デジタルエンティティとそれに追従するクライアント（エージェント）間の、プ…

MVCHeadは、CVPR 2026で発表された、高忠実度かつマルチビュー一貫性のある3D Gaussianヘッドアバターを生成するAIモ…

Heliosは、リアルタイムで長尺の動画を生成する革新的なモデルです。140億パラメータという大規模モデルでありながら…

「codex-image-in-cc」は、Claude Code上でCodex CLIの強力な画像生成スキル「imagegen」を、`/codex-image`というユ…

Timbreは、複数の話者が混在する音声録音（ポッドキャスト、インタビュー、ストリームなど）から、短い参照クリップ…

このリポジトリは、GPT Image 2向けの高品質なプロンプトを3,000以上集めたキュレーションコレクションです。毎日更…

sososoは、Windows、macOS、Linuxに対応したリアルタイム会議・オーディオ文字起こしアプリケーションです。システム…