全AIリポジトリ

SöyleはmacOS向けのプッシュツートーク型音声認識ツールです。キーを押しながら話すと、話した内容がデバイス上で100…

「nanoDLM」は、最もシンプルで、実際に学習・デバッグ・学習が可能なマスク拡散言語モデル（MDM）の実装です。約110…

このリポジトリは、ComfyUI向けの究極の4DGS（4D Gaussian Splatting）モジュール「Shramko-Volumetric-Bridge」と、…

Multimodal-Edge-Nodeは、実験的なノードベースの視覚的推論とマルチモーダル推論キャンバスです。ユーザーはカスタ…

Seedance 2.0 Superpromptは、ByteDance Seedance 2.0の動画生成プロンプト作成を支援するポータブルなプロンプトス…

StoryCore Engineは、スクリプトから一貫性のある画像、動画、ストーリー、対話、空間オーディオを生成する、ローカ…

本リポジトリは、EgoBabyVLMチャレンジのインフラを提供します。これは、乳幼児の一人称視点ビデオデータ（BabyView …

El Primorは、OpenCode環境で開発者を支援するために設計された、自己適応型AIエージェントです。単なる機能性だけで…

WavTTS-ComfyUIは、人気のある画像生成UI「ComfyUI」に統合されたWavTTSモデルのノードセットです。参照音声とテキス…

SLAM-Xは、NeRF-SLAMおよびGaussian Splatting SLAMシステムの動的なシーンにおけるロバスト性を向上させるためのプ…

Kokoro Serverlessは、RunPod上で動作するプロダクションレディな高品質テキスト読み上げ（TTS）サーバーレスエンド…

Hiveは、自律的に協調し、コードを記述し、ツールを使用する永続的なAIエージェントを生成するためのローカルファー…

Murmurは、macOSユーザー向けのローカルファーストなホールド・トゥ・トーク音声文字変換アプリです。ホットキーを押…

Pollo SkillsはPollo AIが提供するAgent Skillsプラグインで、AIコーディングエージェントに動画生成やメディア処理…

このGitHubリポジトリは、AIによる商品写真のプロンプト、Eコマース向けの画像ワークフロー、広告クリエイティブテン…

MisoTTS-ComfyUIは、ComfyUI向けのテキスト読み上げ（TTS）ノードです。Miso TTS 8BモデルとMimiオーディオトークン…

このGitHubリポジトリは、テキストから画像を生成するAIプロンプト、AI画像ジェネレーターのワークフロー、クリエイ…

HushはmacOS向けのローカルプッシュトゥトーク音声入力ツールです。指定されたショートカットキー（デフォルトはfnキ…

VoxGoは、PCゲームプレイヤー向けに開発されたオープンソースのリアルタイム音声翻訳フロートウィンドウツールです。…

このGitHubリポジトリは、「Generative AI: From Start to Surrender – A Practical Guide to Mastering and Struggl…

「awesome-gpt-image-2-playground」は、ブラウザで無料で利用できる唯一のGPT Image 2プロンプトライブラリです。ユ…

「noah-gen3-type2」は、コンテキスト管理、記憶閉ループ、自律進化を特徴とする汎用型AI認知アーキテクチャです。「…

Operatorは、PCに接続することなく、視覚言語モデル（VLM）を使用してAndroidスマートフォンを直接操作できるオンデ…

このツールは、ICML 2026で発表された論文「Unsupervised Diffusion Solver for Combinatorial Optimization via Com…