全AIリポジトリ

このリポジトリは、AIを活用した商品紹介動画のプロンプト、商品デモのワークフロー、およびEコマース向け動画テンプ…

Prox-Eは、SIGGRAPH 2026に採択された、3D形状の精密な編集を可能にするトレーニング不要なフレームワークです。プリ…

OmniVoiceを搭載したセルフホスト型の音声クローンおよびテキスト読み上げ（TTS）ウェブアプリケーションです。テキ…

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…

「adobe2api」は、Adobe Fireflyの画像・動画生成能力をOpenAI互換のAPIとして提供するゲートウェイです。Adobe Fire…

AutoPilot Devは、GitHubのプルリクエストURLを入力として受け取り、AIがコードレビュー、バグ修正の提案、テスト検…

Brahは、リアルタイムでユーザーのPC画面を認識し、コンピューターを操作するデスクトップ音声アシスタントです。Ope…

Cinemorphは、ユーザーのブリーフ（概要）から、映画のようなローンチビデオ、投資家向けピッチデッキ、または機能の…

ScribeNEOは、Stable Diffusion Forge Neo専用に開発されたプロンプトエンジニアリング拡張機能です。AIを活用し、ユ…

KIVIは、テキストから動画を生成するAIモデルの評価に特化したツールです。従来の「動画の見栄え」ではなく、「動画…

「論文ビューア with Local LLM」は、研究会や学会で発表内容を素早く理解し、質疑応答の準備を支援するWebアプリで…

SEARは、RGB画像と熱画像を組み合わせてカメラのポーズを推定する3D再構築プロジェクトです。Visual Geometric Trans…

GDB (GraphicDesignBench) は、グラフィックデザインタスクにおけるビジョン言語モデルの性能を評価するためのリアル…

「Douyin Live AI Clipper」は、抖音（Douyin）ライブ配信を自動で録画し、AIがハイライトシーンを自動で切り出すシ…

AeroGraphは、航空安全インシデントレポートを対象としたグラフ拡張RAG（Retrieval-Augmented Generation）のベンチ…

GenoBERTは、遺伝子型シーケンスを言語モデリングの問題として捉えるBERTベースの深層学習モデルです。マスクされた…

本リポジトリは、ドイツ語のKokoro音声モデル「Martin」を用いたテキスト読み上げ（TTS）システムのDockerおよびHome…

SubForgeは、AIを駆使した高機能な動画字幕ツールです。音声のテキスト化、意味に基づいたスマートな断句、誤字修正…

J AI Studioは、複雑なグラフエディタを必要とせずに、ローカルで画像や動画を生成するためのComfyUI用シンプルUIで…

CareerForgesは、AIエージェントをローカルで実行することで、求職活動を自動化・最適化するためのオープンソースの…

このツールは「Florilegium（フロリレギウム）・他山之石」と名付けられ、YouTubeやBilibiliなどの動画リンク、また…

「claude-skill-codex-imagegen」は、AIアシスタント「Claude Code」にOpenAIの高性能画像生成モデル「gpt-image-2」…

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、…

VoxrtAsr for iOSは、オンデバイスで動作するストリーミング音声認識ライブラリです。独自開発のRust製推論ランタイ…