ASR / 音声認識Auto-Vod-Trimmer
Auto-Vod-Trimmerは、長いビデオ録画から興味深い瞬間を自動で検出し、短いハイライトクリップを作成するツールです…
★ 1 GPL-3.0 2026-07-12
全AIリポジトリ
登録されているAI関連OSSの一覧
ASR / 音声認識
音声生成 / TTSEasy-TTS-Toolkit
Easy TTS Toolkitは、音声合成（TTS）機能をPythonプロジェクトに手軽に組み込むためのツールキットです。開発者は、…
★ 1 MIT 2026-06-30
AIエージェントYutoTerashima
このGitHubリポジトリは、AI研究者である寺島悠斗氏の専門的なプロフィールと研究活動を紹介するものです。大規模言…
★ 1 MIT 2026-07-07
AIエージェントninja-harness
Ninja Harnessは、AIエージェントのプロダクション環境での信頼性、安全性、効率性を評価するための、トレースを重視…
★ 1 NOASSERTION 2026-06-06
画像生成TBAF
TBAF（Triangle Based Activation Function）は、画像ベースモデル向けの画期的な活性化関数です。自己回帰的な画像…
★ 1 MIT 2026-05-25
マルチモーダルmllm-persona-evaluation
本ツールは、「都市センチメント認識のためのLLMエージェントにおけるペルソナの妥当性」に関する研究の公式実装です…
★ 1 CC-BY-4.0 2026-05-26
音楽生成Web-Arpeggiator
Web Arpeggiatorは、ブラウザ上で動作する高機能な音楽アルペジエーターです。提供されたノートシーケンスから多様な…
★ 1 2026-06-21
動画生成comfy-prompt-skill
comfy-promptは、Comfy Cloud向けのプレミアム優先AI生成ワークフローです。50種類以上の画像および動画モデル（Gemi…
★ 1 ⑂ 1 NOASSERTION 2026-05-27
音声生成 / TTSCartesia
Cartesiaは、tryAGIが提供する低遅延のText-to-Speech (TTS)、Speech-to-Text (STT)、音声クローニング、AIエージェ…
★ 1 MIT 2026-07-24
動画生成littleorange-video-mcp
LittleOrange Video MCPは、Model Context Protocol（MCP）に基づく動画生成サーバーサイドツールです。Sora2、Veo3.…
★ 1 2026-06-04
AIエージェントgh-hound
gh-houndは、GitHub Actionsのワークフローをターミナル内で効率的に管理・デバッグするための高速なCLI/TUIツールで…
★ 1 2026-06-15
ASR / 音声認識voiceintake
「VoiceIntake」は、AIを活用して患者の音声問診を自動化するシステムです。患者が話すだけでAIが問診内容を瞬時に文…
★ 1 2026-06-16
音声生成 / TTSlogica-voice
Logica Voiceは、オープンソースで音声ネイティブな会話型AIエンジンです。フルデュプレックス、マルチエージェント…
★ 1 ⑂ 1 MIT 2026-06-04
動画生成automate_me
「automate_me」は、YouTube動画制作を完全に自動化するフルスタックのウェブアプリケーションです。単一のダッシュ…
★ 1 MIT 2026-06-12
音声生成 / TTSAI-Video-Studio-2026-Automated-Video-Creation-with-Realistic-AI-Voice-85-Dialects
AI Video Studioは、最先端のAIを活用してプロフェッショナルな動画作成を自動化するオープンソースプラットフォーム…
★ 1 2026-06-18
音声生成 / TTSmarmalade-tts-android
「marmalade-tts-android」は、オンデバイスのニューラルボイスと感情認識プロソディを搭載したAndroid向けテキスト…
★ 1 MIT 2026-07-11
ComfyUICentraliza.AI
Centraliza.AIは、LM Studio、Ollama、ComfyUI、Llama.cppなどのローカルAIモデルを一元管理するためのプレミアムダ…
★ 1 2026-07-11
ComfyUIcomfyui-prompt-editor
「comfyui-prompt-editor」は、ComfyUIの複数行プロンプトウィジェットをフルスクリーンでタッチ操作可能にするエデ…
★ 1 ⑂ 2 MIT 2026-07-27
ASR / 音声認識jarvis-local-ai
Jarvisは、Whisper、Qwen、Piper、Qdrantなどの技術を組み合わせた完全ローカルの音声AIアシスタントです。ウェイク…
★ 1 2026-05-31
ASR / 音声認識realtime-voice-ai-platform
リアルタイム音声AI顧客サポートプラットフォームは、音声認識（STT）、音声合成（TTS）、マルチエージェントオーケ…
★ 1 MIT 2026-06-10
マルチモーダルMultiModal-from-scratch
このリポジトリは、PyTorchを使ってマルチモーダル大規模言語モデル（VLM）をゼロから構築するための詳細なステップ…
★ 1 2026-06-06
ASR / 音声認識Multimodal-Emotion-Recognition-System
このツールは、顔の表情と音声分析をリアルタイムで組み合わせ、感情を検出する多モーダル感情認識システムです。主…
★ 1 2026-06-08
音声生成 / TTSaudio-mcp
audio-mcpは、macOS上で動作するローカルMCPサーバーで、マイクとシステムオーディオを個別のセッションで高音質にキ…
★ 1 MIT 2026-07-11
画像生成nano-banana-pro-api
Nano Banana Pro API with APIDotは、Google DeepMindのNano Banana Pro API（Gemini 3 Pro Imageベースの高品質画像…
★ 1 MIT 2026-07-06