全AIリポジトリ

AIBLIは、スクリプトから字幕付きショートビデオまでを一貫して自動生成する、AI仮想キャラクターの音声・動画合成パ…

One-Key Inputは、特定のキーを押しながら話すだけで、AIが文脈を理解して洗練されたテキストをカーソル位置に直接入…

このリポジトリは、実践的なRAG（Retrieval Augmented Generation）の30日間のチュートリアルシリーズです。FastAPI…

voicelogは、セルフホスト型のTelegramボイスジャーナルです。プライベートなTelegramボットに音声メッセージやテキ…

このツールはKaggleのGPU上で動作するマルチモーダルLLMサーバーで、テキストと画像の処理が可能です。無料のKaggle …

「RAG-Lab」は、Retrieval-Augmented Generation（検索拡張生成）の原理から実装までを実践的に学べる実験プロジェク…

このツールは、LiDAR-Inertial-Camera Gaussian Splatting SLAMのROS2ネイティブポートであり、Gaussian-LIC/Gaussia…

このリポジトリは、Seedance 2.0のプロンプト、マルチモーダルAIビデオワークフロー、画像からビデオへの変換例、音…

このリポジトリは、Multimodal LLM (MLLM) が芸術作品をどのように記述するかを解明する研究の公式コードです。Token…

LLIPSEは、内陸水路における船と陸間の通信のEnd-to-End遅延を予測するための軽量なLLM（大規模言語モデル）ベースの…

reachy-mini-agentは、Reachy Miniロボット向けのリアルタイム音声・視覚AIエージェントです。このツールは、ローカ…

Athena Whisperは、ローカル環境で動作するデスクトップ向け音声入力ウィジェットです。faster-whisperを利用した高…

このリポジトリは、大流行したAIミーム「Gugugaga Penguin（咕咕嘎嘎企鹅）」に関する参照ページを提供します。Arkni…

「ComfyUI Node Builder」は、視覚的なGUIとAIの力を活用し、ComfyUIのカスタムノードやノードパックを効率的に構築…

TGS-SLAMは、IEEE Robotics and Automation Letters (RA-L) に採択されたセマンティックRGB-D SLAMシステムです。本…

Scenelensは、Claudeにスマートな動画入力機能を提供するツールです。動画からシーン変化に基づいて最適なフレームを…

このリポジトリは、ICML 2025に提出された論文「Core Knowledge Deficits in Multi-Modal Language Models」の公式ウ…

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…

「OpenAI Photoshop Generator」は、Adobe Photoshop向けのオープンソースUXPプラグインです。このツールは、OpenAI…

NeuraLearnは、AIを活用して学生の学習をサポートするWebアプリケーションです。主要な機能として、指定したトピック…

SuGPTは、中国の著名なAI/NLPブロガー、蘇剣林（科学空間 kexue.fm）氏の公開記事をAI Agentが直接照会できる知識ベ…

Ring-Fenced RAG (RFR)は、自己ホスト型でゼロトラストの検索拡張生成（RAG）システムです。特徴は、データベースレ…

OmniMemoは、MiMo V2.5 全スタックモデルを基盤とした多モーダル会議インテリジェントエージェントです。最大の特長…

「可控提示詞向導」は、AI動画作成などのクリエイティブ作品向けにプロンプトを生成するツールです。専門用語の知識…