全AIリポジトリ

IDLM（Inverse-distilled Diffusion Language Models）は、ICML 2026で発表された画期的な技術です。本技術は、高品…

SpeakyはmacOS向けの音声テキスト変換ツールです。ホットキーを押して話すだけで、オンデバイスAIまたはオプションで…

ZastTranslateは、動画の翻訳とAI音声クローンによる吹き替えを100%ローカルで実行するツールです。APIキー不要で、…

このツールは、UIUC Polaris GEM e4向けの歩行者認識自律走行スタック「ADAPT」です。拡散ベースの歩行者軌道予測器…

NixKitsは、ソフトウェア、パッチ、NixOSモジュール、AIコーディングアシスタント向けスキルを集約したプロジェクト…

ComfyClawは、ComfyUIワークフローの発見、検査、実行を可能にするCLIツールです。タグベースのパラメータ上書きとサ…

SATtxtは、衛星画像を解析するための最先端のビジョン・言語基盤モデルです。DINOv3のビジョンエンコーダとLLM2Vecの…

「Awesome GenAI Fails」は、生成AI、LLM、AIエージェントへの過信が企業、個人、社会に害をもたらした主要なインシ…

3DTiles-Inspectorは、Node.jsパッケージとCLIツールであり、3D Tilesタイルセットのインタラクティブな編集を可能に…

Aurisは、EPUB、PDF、TXT形式の電子書籍をオフラインでオーディオブックとして楽しむためのツールです。ローカルで動…

Forgeは、ローカルファーストで計画重視のマルチエージェント型ソフトウェアエンジニアリング実行環境です。Claude C…

NP-Editは、画像編集モデルの学習において画像編集ペアデータが不要な画期的な手法を提案する、ICLR 2026で発表され…

このツールは、PDFをOCR処理し、結果をMarkdown形式で返す自己ホスト型APIです。PaddleOCRとPaddleOCR-VLモデルを搭…

Permafrostは、Claude CodeとDeepSeekの間に入り、Claude Codeのプロンプト接頭辞を固定することで、DeepSeekの自動…

SLARMは、動的なシーンの再構築、セマンティックな理解、リアルタイムストリーミング推論を統合するフィードフォワー…

WikiSeekerは、知識ベースの視覚的質問応答（KB-VQA）のために開発された革新的なマルチモーダルRAGフレームワークで…

Openflowは、Windowsデスクトップ向けに設計されたディクテーションアプリです。ユーザーが`Ctrl + Win`を押している…

Qwen3-VL-Video-Groundingは、Qwen3-VL多モーダル画像言語モデルを活用したGradioベースのWebアプリケーションです。…

このリポジトリは、ECG（心電図）言語モデル（ELM）のファインチューニングと評価のための研究フレームワークです。…

VLM-Instruct-FastGSは、3D Gaussian Splatting技術を拡張し、Vision-Language Models (VLM) からのセマンティックガ…

UnrealEngine5-Skillsは、Unreal Engine 5.6/5.7向けの再利用可能なワークフローを提供するスキルパックです。ブルー…

このツールは、Sentinel-2衛星画像から違法な小規模金採掘（ガラッセイ）を検出するエージェント型地球観測システム…

ClipForgeは、AIを活用してYouTubeショートやTikTok向けの短編動画を自動生成するツールです。トピックを与えるだけ…