全AIリポジトリ

このプロジェクトは、複雑な表や図を含むPDF文書から情報を抽出するマルチモーダルRAGシステムの実装デモです。マル…

Parleyは、音声指示型Vision-Language-Action（VLA）パイプライン向けのベンチマークツールキットです。このツールは…

本リポジトリは、Stable Diffusion 3に着想を得た、DiTベースの条件付きフローモデルを実装しています。主な機能は、…

LoRA-Studioは、Stable DiffusionにおけるLoRA開発のためのオープンソースのトレーニング管理プラットフォームです。…

このツールは、拡散モデルのトレーニング（SDXLのようなマルチARバッチ）において、アスペクト比の異なる画像を効率…

rust-whisper-diarizationは、純粋なRustで実装されたストリーミング音声認識と話者分離のライブラリです。whisper.c…

本リポジトリは、ヨーク大学コンピュータサイエンス学部が提供する12週間の修士課程コース「大規模言語モデル — 内部…

このPythonスクリプト群は、歴史家が自身の原稿を批判的に分析するための実験的なインフラストラクチャです。RAGアー…

「kestrel」は、macOSのメニューバーからUSB-C HDMIキャプチャカードを介してビデオを録画・プレビューできるアプリ…

litevizは、SLAMや3Dリアルタイム再構築などの3Dビジョン関連タスク向けに設計された軽量な3Dリアルタイム可視化アプ…

Windows向けのポータブルなマルチGPU音楽生成サーバーで、8種類のモデルを搭載。ワンクリックインストールで依存関係…

「video-evaluator」は、動画ファイルから視覚的証拠を抽出し、コーディングエージェントによる自動レビューや視覚的…

LLM Visualizationは、大規模言語モデル（LLM）の概念をブラウザ上でインタラクティブに可視化するツールです。ロー…

GeoMacro Oracleは、現実世界の出来事を機械が読み取り可能なリスクシグナルに変換する自律的な地政学的インテリジェ…

Nexus Memoryは、AIエージェント向けのユニバーサルな記憶層を提供するツールです。MCP (Model Context Protocol) に…

AI Battle Arenaは、法廷をテーマにしたAIバトルプラットフォームです。ユーザーが「Brief」と呼ばれるプロンプトを…

このツールは、手持ちの岩石・鉱物の写真から種類を識別するMATLABデスクトップアプリケーションです。畳み込みニュ…

Doppelvoiceは、リアルタイムで中国語・英語を含む9言語間の音声翻訳とゼロショット音声クローニングを提供するツー…

このリポジトリは、MAiTL-Groupによる「Physics-Informed DeepMRI: k-Space Interpolation Meets Heat Diffusion」の…

MurmurはmacOS専用のオンデバイス音声スタジオで、Mac上でテキストを音声に変換します。860以上の声、25以上の言語に…

RudraX Armyは、インド最大級のオープンソース・マルチエージェントAIオーケストレーションプラットフォームです。階…

Voxは、Windowsユーザー向けのオフライン音声テキスト変換ツールです。右Ctrlキーを押して話すだけで、チャット、ブ…

このリポジトリは、Novita GPUs SDKを使用してPythonワーカーハンドラを実装する方法を示すための具体例を提供します…

SA-IR (Semantic-Axiomatic Intermediate Representation) は、単なるプロンプトではなく、DALL-E 3やImagenなどのAI…