全AIリポジトリ

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・…

Doza Assistは、AIを活用したビデオ編集アシスタントです。ユーザー自身の過去の編集スタイルを学習し、インタビュー…

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…

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…

ComfyUI-AceStep SFTは、最先端の音楽生成モデル「AceStep 1.5 SFT」をComfyUIに実装するためのモジュラーノードスイ…

RealisDance-ComfyUIは、RealisDanceをComfyUI上で扱うためのカスタムノードです。参照画像に加え、DWpose、HaMeR、S…

voicetagは、Pythonで書かれた話者分離および話者識別ライブラリです。pyannote.audioとresemblyzerを組み合わせて「…

このリポジリは、AIによる動画生成プロジェクト「Open-Sora-Plan」のワークフローを、人気の高いビジュアルプログラ…

ArcticPlatformは、大規模言語モデル（LLM）のポストトレーニングプロセスを簡素化・加速するために設計されたフレー…

ComfyUI-EBU-LMStudioは、ComfyUIからLM StudioのローカルLLMを読み込み・解除・呼び出しできるカスタムノード集です…

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…

Audio-Oscarは、複雑な音声シーン記述から長尺で制御可能な音声を生成するためのマルチエージェントフレームワークで…

GPIC（Giant Permissive Image Corpus）は、視覚生成モデリング研究のための巨大で許容性の高い画像コーパスです。約…

Model Hotelは、複数のAIプロバイダーを一元的に管理できるAIゲートウェイです。モデルの自動発見、堅牢なフェイルオ…

SoundScape Studioは、ストリーマー、ゲーム開発者、コンテンツクリエーター、ボイスプロフェッショナル向けに設計さ…

GameVerseは、動画ベースの反射学習を通じてVision-Language Models (VLMs) がゲームプレイを学習できるかを検証する…

ULF-Locは、CVPR 2026 Highlight論文として発表された、3D Gaussian Splattingを用いた堅牢な視覚ローカライゼーショ…

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…

VividDubは、AIを活用した動画翻訳、吹き替え、字幕生成、ハードサブ（埋め込み字幕）除去を一体化した製品です。音…

このプロジェクトは、ComfyUIで生成された画像がNSFW（Not Safe For Work）であるかどうかを検出するツールです。機…

RSR（Rapid Splat Renderer）は、Direct3D 12とOpenXRで構築された、Windowsネイティブの3D Gaussian Splattingシー…

OpenSfMは、PythonとC++で開発されたオープンソースのStructure from Motion（SfM）ライブラリです。順序付けされて…

「Irodori OpenAI TTS Server」は、Aratako/Irodori-TTSの500M v3ベースモデル向けに開発された、OpenAI Text-to-Spe…

この「temporal-rag」は、RAG（Retrieval-Augmented Generation）システムのための、検索後の「時間的な層」を提供す…