全AIリポジトリ

このツールは、RAG（Retrieval-Augmented Generation）、高度なプロンプトエンジニアリング、ハイブリッド検索、リラ…

M-LongDocは、EMNLP 2025で採択されたマルチモーダル超長文ドキュメント理解のための挑戦的なベンチマークと、検索対…

VibeRaveは、人気のあるライブコーディング環境Strudelを基盤とし、音声、テキスト、ワンクリックプリセットといった…

Wan2GP Operatorは、WanGP/Wan2GPによるテキストからビデオ生成を効率化・自動化するオープンソースのCLIツールです…

Kestrelは、ロボティクスおよびシミュレーションパイプライン向けのリアルタイム2D Gaussian Splattingビューアです…

Arietta Voiceは、Apple Silicon Mac向けに設計された、ローカルファーストのカスタマイズ可能なAI音声アシスタント…

このツールは、Hermes AgentがDraw Thingsのローカル画像生成機能を利用できるようにするgRPCプラグインです。Draw T…

WIPES（Wavelet-based Visual Primitives）は、多次元視覚信号の効率的な表現を目的としたウェーブレットベースの視…

ComfyUI-FileManatyは、人気の画像生成AIツールComfyUIのWeb UI内に統合された強力なファイルマネージャーです。ユー…

Image2Toolsは、GPT Image 2、GeminiベースのNano Banana 3など多様なAI画像モデルに対応した、使いやすいオールイン…

WisprFlow SDKは、Wispr Flowデスクトップクライアントの非公式Python SDKです。Wispr Flowの音声APIをリバースエン…

pi-automodeは、Piエージェントのツール呼び出しを監視し、事前定義されたルールや自動モード分類器に基づいて、危険…

PARSEは、記述言語学のフィールドワークと、それに続く比較分析を支援するブラウザベースのワークステーションです。…

このGitHubリポジトリは、音声AIツールの厳選されたリストを提供しており、音声エージェント、テキスト読み上げ (TTS…

ComfyUIの「Z-Image Turbo」ワークフロー向けに設計された、LLMを活用した高度なプロンプトエンジニアリングノードで…

hwdsl2/whisper-installは、Whisperの音声認識・翻訳APIサーバーをUbuntu, Debian, AlmaLinux, Rocky Linux, CentOS,…

「Supertonic 3 TTS App」は、Supertone Supertonic 3エンジンを搭載した、Windows向けのオンデバイス・ニューラルテ…

CUIGは、テキストから画像を生成する拡散モデルにおける概念忘却の研究コードベースです。本リポジトリは、独立、シ…

「AI Character Skill」は、公開された情報から著名人の言動や思考スタイルを分析・蒸留し、その人物のように思考し…

このプロジェクトは、Codexの画像生成能力とGPT Imageの基準を活用し、人物の雑誌写真風画像を生成するワークフロー…

BizyAir Skillは、AI Agent向けにAIGC（AI生成コンテンツ）機能を提供するスキルパッケージです。BizyAirのクラウド…

ComfyUI-Drawerは、ComfyUIの複雑なワークフローをモバイルフレンドリーなモジュール式UIプラットフォームに変革しま…

xhs-notes-skillは、中国のソーシャルメディア「小紅書（XHS/RedNote）」向けの画像とテキストコンテンツ作成を支援…

このツールは、Qwen3-TTSを利用してスペイン語のテキスト読み上げ（TTS）機能を提供します。Apple Silicon搭載のMac…