全AIリポジトリ

このリポジトリは、FlashTalkの非公式なトレーニングコード実装です。FlashTalkは音声駆動型のデジタルヒューマンモ…

このツールは、DreamScene360（ECCV 2024）の「Panorama-to-3D」パスをラップしたComfyUIカスタムノードです。360度…

BridgeSpeakは、AIコーディングエージェントに音声機能を提供するBridgeMind製のクロスエージェントスキルです。Open…

OmniVoice FastAPIは、多言語対応のゼロショットTTS（Text-to-Speech）エンジン「OmniVoice」の機能を、Dockerで手軽…

Rexは、拡散モデルのサンプリング、反転、編集、補間タスクに利用可能な、代数的に可逆な指数型Runge-Kuttaソルバー…

JarvisQは、音声認識（STT）、大規模言語モデル（LLM）、音声合成（TTS）の全パイプラインがデバイス上で完結するプ…

「阿亮开源のAI創作スキル集」は、短劇、Eコマース詳細画像、子供向け物語、音声付き絵本、音声合成、多人数ポッドキ…

「prompt-to-asset」は、プロンプトからロゴ、アプリアイコン、ファビコン、OG画像、スプラッシュスクリーン、SVGな…

NanoI2Vは、最先端の画像-動画変換（I2V）モデルをゼロから構築するためのステップバイステップのガイドです。拡散ベ…

このリストは、テキストから動画を生成するAI、リアルタイム動画、アバター・話し言葉ヘッド、動画のスタイル変換や…

Cordは、LLM、MCPサーバー、HTTPバックエンド、AIエージェントなどを相互接続する分散型ファブリックです。自然言語…

このリポジトリは、静止画をAI動画に変換するためのプロンプト、AIワークフロー、およびモーションファーストの動画…

「Veo 3.1 Studio Generator」は、Google Veo 3.1エンジンを搭載した高精度AIビデオワークスペースです。Next.jsで構…

SplAttNは、3D点群補完のための公式PyTorch実装です。従来の2D投影で生じる「クロスモーダルエントロピー崩壊」問題…

Seedance 2.0 APIは、ByteDanceが提供する最先端の動画生成モデル「Seedance 2.0」の公式APIです。テキスト、画像、…

このツールは、xAIのGrok Imagine APIを利用して、テキストから画像・動画を生成したり、既存の画像や動画を自然言語…

MiNerva（咪涅瓦）は、資料調査、コード生成、データ処理、レポート作成など、多段階の複雑なタスクを自動で実行する…

aeon-movie-makerは、Lightricks LTX 2.3 22Bモデル（220億パラメータ）をベースにした、高速な映画品質ビデオ生成ツ…

`voice-debrief`は、Claude Code向けの面接記録整理スキルです。録音ファイルやPDFの転写テキストを入力すると、AIが…

whisper-skillは、OpenAI API不要でローカル完結する無料の音声文字変換ツールです。99言語に対応し、Mac/Linux/Wind…

chatgpt-bridgeは、既存のChatGPTサブスクリプションをOAuth認証経由で利用し、OpenAI互換のHTTPプロキシとして機能…

mlx-serveは、Apple Silicon搭載Mac (M1+以降) 向けのローカル推論サーバーです。このツールは、AppleのネイティブML…

UPG（Universal Prompt Generator）は、テキストから画像生成モデル向けのプロンプトエンジニアリングシステムです。…

このツールは、Qwen3-ASR向けのマルチテナントストリーミングASR（自動音声認識）サーバーです。オリジナルのFlaskデ…