全AIリポジトリ

HushはmacOS向けのローカルプッシュトゥトーク音声入力ツールです。指定されたショートカットキー（デフォルトはfnキ…

InsightATは、使いやすさと自動化に焦点を当てたオープンソースのオールインワンStructure-from-Motionシステムで、…

opencode-visionは、マルチモーダルに対応していないOpenCodeモデルに画像認識機能を追加するツールです。ユーザーが…

AutoReelは、AIを活用してソーシャルメディア向けの魅力的な短尺動画コンテンツを自動生成する、先進的なコンテナ化…

このLLM Video Makerは、AIコーディングエージェント（Claude Code、Cursor、Codex、Windsurf、Geminiなど）向けのス…

doubao-speechは、Volcengine Doubaoのseed-tts-2.0とbigmodel音声APIに対応したPythonクライアントおよびCLIツール…

このツールは、AIコーディングエージェントがPiAPIを介してMidjourney、Suno、Kling、Lumaなどの多様なAIモデル群を…

このツールは、Claude Codeの作業内容を画面を見ずに音声で把握できるプラグインです。Claude Codeの各ターンの要約…

Kuraは、人間とAIエージェントの両方に最適化された、エージェントネイティブなドキュメント基盤です。Markdown形式…

BoltScribeは、macOS向けの軽量な音声入力アプリケーションです。グローバルホットキーを使ってどこからでも音声の録…

RAG（Retrieval Augmented Generation）パイプラインの設計を支援するビジュアルウェブアプリケーション。データ取り…

M-LongDocは、EMNLP 2025で採択されたマルチモーダル超長文ドキュメント理解のための挑戦的なベンチマークと、検索対…

このツールは、リアルタイム音声対話、多段階面接、ライブ採点、詳細レポート生成機能を備えたAI駆動型模擬面接プラ…

Bao Translateは、Androidデバイス上で動作するプライベートなリアルタイム音声翻訳アプリです。マイクからの音声を…

このプロジェクトは、Web検索と高度な推論モデル（OpenAI o3、DeepSeek-R1、ローカルOllamaモデルなど）を組み合わせ…

wan2.2-i2v-fastは、14BパラメータのWan-AI/Wan2.2-I2V-A14B-Diffusersモデルを活用した、実験的かつ高度に最適化さ…

Murmurは、話すだけで文字入力ができる無料のオープンソースAI音声入力ツールです。Alibaba FunASR音声認識エンジン…

The Muserは、SunoやElevenLabs Musicのオープンソース代替として、自然言語による音楽作曲を可能にするツールです。…

Agent Context Store（acs）は、BA・SA・Dev・QAなど役割ごとのAIエージェントが、要件定義書、設計書、ADR、API仕様…

W-GRAM-LMは、世界誘導型再帰的アトラクタ言語モデルの研究用コードベースです。潜在世界予測、多軌道推論、解答アト…

このツールは、ICML 2026で発表された論文「Unsupervised Diffusion Solver for Combinatorial Optimization via Com…

このリポジトリは、Seedance 2.0向けの厳選されたビデオプロンプト集です。Atlas Cloudで生成された実際のプレビュー…

SöyleはmacOS向けのプッシュツートーク型音声認識ツールです。キーを押しながら話すと、話した内容がデバイス上で100…

このGitHubリポジトリは、音声AIツールの厳選されたリストを提供しており、音声エージェント、テキスト読み上げ (TTS…