全AIリポジトリ

aeon-music-makerは、AEON Media Productionファミリーの一部であるスタンドアロンの音楽生成ツールです。ACE Step 1…

「Okay Hermes Voice」は、既存の「Hermes Agent」に「Okay Hermes」というウェイクフレーズを追加し、常に音声で操…

hwdsl2/whisper-installは、Whisperの音声認識・翻訳APIサーバーをUbuntu, Debian, AlmaLinux, Rocky Linux, CentOS,…

このツールは、NVIDIA Kimodo（テキスト駆動の3D人体モーション生成AIモデル）をSideFX Houdiniに連携させるブリッジ…

Suno AIの音楽生成におけるプロンプトエンジニアリングの実験を体系化した検索可能なアーカイブです。126以上の反復…

TaleWeaverは、AIが物語全体を司る次世代ブラウザベースのRPGエンジンです。AIゲームマスターが世界、キャラクター、…

「gosd」は、Go言語で直接Stable Diffusionモデルの推論を可能にする高性能なライブラリです。stable-diffusion.cpp…

Local AIは、Ollamaを搭載した完全にオフラインでポータブルなAIワークスペースです。ユーザーは直感的なインターフ…

DBMSolverは、高品質な画像間変換（Image-to-Image Translation）を実現するための、トレーニング不要な拡散ブリッジ…

ComfyUIのためのモジュール式プロシージャルプロンプト生成ツールです。ワイルドカード、固定値、結合、派生、制約を…

このリポジトリは、中国語の古詩詞吟誦に特化したCosyVoice 1/2/3 LoRA微調整実験フレームワークです。CosyVoiceの三…

MeetingRecorderは、Seeed XIAO ESP32-S3 SenseボードをベースにしたポケットサイズのAI会議レコーダーです。ライブ…

GPT-Image-2 Studioは、KDB-Windが開発した、軽量でローカル優先のGPT-Image-2画像生成ツールです。テキストからの画…

Plasmodは、マルチエージェントシステム向けに設計されたエージェントネイティブデータベースです。粘菌ネットワーク…

CaptionEvalKit-for-VLMsは、VLM（Visual Language Model）向け画像キャプション評価を再現性高く、オールインワンで…

ComfyUI用のLighthouseは、ノード間の接続関係を視覚的に明確にする非破壊的なオーバーレイツールです。クリックした…

このリポジトリは、大規模言語モデル（LLMs）を用いた証拠に基づくテキスト生成に関する調査研究「Attribution, Cita…

hermes-embodimentは、Hermesエージェントに物理的な具現化レイヤーを提供するツールです。エージェントの「思考中」…

Splattieは、1枚の静止画像からインタラクティブなリグ付き3D Gaussian Splattingアセット（頭部、全身、オブジェク…

「Video Podcast Clipper」は、長尺動画からTikTokやYouTube Shorts向けのバイラルな縦型ショートクリップを自動生成…

Fast Subは、動画および音声ファイル用のローカルファーストの字幕ツールです。字幕の生成と翻訳を、ユーザーのデバ…

Cypress AI (cy-ai)は、大規模言語モデル（LLM）を活用してCypressのE2E（End-to-End）テストを自動生成するコマンド…

本ツールは、Linux/X11を主な対象としたプッシュツートーク方式のグローバル音声入力アプリケーションです。ショート…

Nexo Whisperは、macOS向けのネイティブアプリで、音声による文字起こしを100%ローカルで行います。ホットキーを押し…