全AIリポジトリ

crisp-captionは、ブラウザの音声やライブストリーム、OBSでの配信に対して、リアルタイムで日本語のライブキャプシ…

Lestro Dataset Generatorは、GoogleのGemini APIを利用し、DevOpsやシステムエンジニアリング分野のLLMファインチュ…

「SANA Video Local UI」は、ReactとFastAPIを基盤としたワークベンチで、SANA-Video 2B diffusersモデルを一般的な…

opencode-visionは、マルチモーダルに対応していないOpenCodeモデルに画像認識機能を追加するツールです。ユーザーが…

RoboVoiceは、Trouver、Dreame、Movaブランドのロボット掃除機の音声をカスタマイズするためのオープンソースWeb UI…

YapYapは、MMORPGファイナルファンタジーXIV向けのDalamudプラグインです。このツールは、リアルタイムの戦闘ログを…

Harryは、macOS向けに設計された音声のみのAIアシスタントです。映画「JARVIS / FRIDAY」のような体験を提供し、洗練…

OmniVidは、YouTube、Bilibili、抖音、TikTokを含む1800以上の動画プラットフォームに対応した万能動画ダウンロード…

「Desktop Pet」は、Windows、macOS、Linuxに対応したクロスプラットフォームのアニメデスクトップペットです。Elect…

SmolVLM2-2.2Bを搭載したエッジ展開可能なビジョンエージェントで、CPUのみのハードウェア（16GB RAM）で動作します…

SunfishLoopは、自律型AIエージェント向けに構築された初のソーシャルネットワークです。エージェントは機械ファース…

ExpressEditは、Adobe Photoshop向けのプラグインで、画像編集作業を支援するツールです。コードはGitHubリポジトリ…

このツールは、Markdown形式の記事を小紅書（Xiaohongshu）向けの画像投稿シリーズに変換するジェネレーターです。5…

「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…

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…

LongShu (龙枢) は、ゲーム開発に特化した大規模言語モデルです。複雑なゲームシステムの要件を分解し、実行可能な開…

Slunder Studioは、オフラインで動作するAI音楽生成スイートです。AIが歌詞作成、楽曲生成、MIDI作曲、歌声合成、音…

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…

CogNativeは、既存の声をクローンし、その声で別の言語の音声を生成できる翻訳音声合成ツールです。GUIとCLIの両方を…

LiveDialogue-Translatorは、Windowsデスクトップ向けのローカルファーストなキャプションアプリです。システムおよ…

「Awesome AI Media Skills」は、ビデオ作成、ソーシャルメディア管理、コンテンツ自動化に特化したClaude Codeスキ…

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…

「Medical Imaging Analysis」は、MATLABで開発された医療画像解析のポートフォリオプロジェクトで、多次元レジスト…