全AIリポジトリ

このリポジトリは、Googleの次世代マルチモーダルAIモデル「Gemini Omni」に関する厳選されたリソース集です。テキス…

MOSAICは、強化学習（RL）、大規模言語モデル（LLM）、視覚言語モデル（VLM）、そして人間の意思決定者といった異な…

rookiestar28/ComfyUI-LongCat-Avatarは、ComfyUI用のカスタムノード集で、LongCat Video Avatar 1.5のオーディオ駆…

このツールは、arXivのビデオ拡散・ビデオ生成に関する最新研究論文、プロジェクト、リソースを自動更新で収集し、キ…

SayItは、音声入力とAIによるテキスト修正（潤色）を組み合わせたオープンソースツールであり、Typelessの代替となる…

「ComfyUI-Sapiens2-Easy」は、Meta Sapiens2モデルをComfyUIのネイティブノードとして統合するツールです。単一の画…

HairPortは、画像内の顔に参照ヘアスタイルを転送する最先端の3D認識型フレームワークです。このツールは、大規模な…

「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…

JARVISは、Tony StarkのAIアシスタントに触発されたMac上で動作するパーソナルAIアシスタントです。音声対話、映画の…

このツールは、Claude CodeのAIチャットでClaudeの応答を音声で聞くための、完全にローカルなTTS（Text-to-Speech）…

このリポジトリは、xAIのGrok Imagine向けに厳選された高品質な動画生成プロンプト集です。映画のような映像、アクシ…

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、…

Provenantは、AIコーディングエージェント向けに最適化されたローカルコードベースメモリソリューションです。コード…

JustRayzistは、Rayzist Z-Image Turboファインチューンを中心に構築された軽量なCUDAベースのローカル画像生成プラ…

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…

ArionTalkは、ウェブページに音声AIエージェントを追加するツールです。ユーザーがウェブページと自然な会話をできる…

「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…

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…

comfyui_stereoscopic は、ComfyUI向けのカスタムノード、ワークフロー、補助スクリプトをまとめたパッケージで、通…

suno-cliは、人気のAI音楽生成サービスSunoのv5.5機能をターミナルからフル活用できるCLIツールです。Sunoの公式API…

NextFrameは、AIを活用した革新的なビデオエディターおよびランタイムです。構造化されたJSONデータからビデオを生成…

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…

Anti-Vocaleは、Androidデバイス上で動作する音声メッセージ文字起こしアプリです。WhatsAppやTelegramなどから共有…

「YouTube Shorts Bot」は、YouTubeショート動画のURLを処理し、AI（LLMとオプションのVision機能）を活用して動画か…