全AIリポジトリ

ComfyUI向けに設計された究極のテキスト処理スイートで、画像からテキストへの変換データのバッチクリーニング、LLM…

civitai-genは、CivitaiのオーケストレーションWorkflow APIを介して、画像、動画、音声、音楽、文字起こしなどを生…

「Coval Benchmarks」は、音声AI（STT/TTS）プロバイダーの性能を測定するためのオープンソースのベンチマーキングツ…

このツールは、Androidデバイス向けに設計されたストリーミング音声認識ライブラリです。VoxRT独自のオンデバイス推…

Permafrostは、Claude CodeとDeepSeekの間に入り、Claude Codeのプロンプト接頭辞を固定することで、DeepSeekの自動…

IDLM（Inverse-distilled Diffusion Language Models）は、ICML 2026で発表された画期的な技術です。本技術は、高品…

このAI Video Generator APIは、Sora 2、Veo 3、Kling AI、Runway、Hailuo AIといった主要なAI動画生成モデルに、単…

Openflowは、Windowsデスクトップ向けに設計されたディクテーションアプリです。ユーザーが`Ctrl + Win`を押している…

AtomVoiceは、Mac向けに設計された、プライバシーを最優先する軽量な音声テキスト化ツールです。ユーザーはキーを押…

UnrealEngine5-Skillsは、Unreal Engine 5.6/5.7向けの再利用可能なワークフローを提供するスキルパックです。ブルー…

recon3dは、動画や画像から3D Gaussian Splatをワンコマンドで生成するツールです。従来のCOLMAPを使用せず、VGGTやM…

「agent-voice-chat」は、ウェブサイトにマルチエージェントAI音声会話機能を簡単に追加できるTypeScript SDKとCLIツ…

VocoLocoは、Webブラウザ内で完結するテキスト読み上げツールです。サーバーやAPIキーを必要とせず、すべての処理が…

Roveは、ローカルで動作するClaudeなどのCLIコーディングエージェントを、スマートフォンからTailscale経由で安全に…

「Gamentic」は、自己ホスト型でブラウザからプレイできるAIダンジョンRPGです。AIナレーターと個性豊かなAIキャラク…

AIを活用した次世代オーディオ制作プラットフォーム「Audio Content Creator」。テキストを基に、高品質な音声合成、…

BrainDanceは、3D Gaussian Splatting（高斯泼溅）技術を利用して、現実空間をインタラクティブで回顧可能なホログラ…

IPSL-AIDは、GPUクラスターやHPCシステム向けに設計された、気候データダウンスケーリングのための高性能な研究フレ…

NanoI2Vは、最先端の画像-動画変換（I2V）モデルをゼロから構築するためのステップバイステップのガイドです。拡散ベ…

MelonS-Agentsは、自己構築・自己検証型のコロニーシムゲームプロトタイプを開発するAIエージェントです。音楽ビデオ…

このツール「gtsam-splatfactors」は、既存の3D Gaussian Splatting SLAM (3DGS-SLAM) システムが抱える、勾配降下法…

SilkStack Image Browserは、AI生成画像をオフラインで管理・閲覧するためのローカル画像ブラウザ兼マネージャーです…

Rexは、拡散モデルのサンプリング、反転、編集、補間タスクに利用可能な、代数的に可逆な指数型Runge-Kuttaソルバー…

このリポジトリは、FlashTalkの非公式なトレーニングコード実装です。FlashTalkは音声駆動型のデジタルヒューマンモ…