全AIリポジトリ

Synthosは、AIを活用した学術研究のための自己進化型コグニティブオペレーティングシステムです。Pythonスクリプトを…

このプロジェクトは、テキストから画像（T2I）およびテキストから動画（T2V）を生成する、プロダクションレベルかつ…

MetaMateは、LLM（大規模言語モデル）を活用し、PDFからのデータ抽出を効率化するAIアシストツールです。系統的レビ…

nano-codecは、最小限のニューラルオーディオコーデックであり、16kHzモノラルの音声を128倍に圧縮し、10.2kbpsの低…

「短剧大师™ v6.2」は、一文のアイデアから高品質なAIマイクロ短劇を生成する、世界初の全プロセス閉ループ、精密エ…

ANARCHYは、クラウドやテレメトリーに依存しない、完全ローカルかつオフラインファーストのWindows向けAIアシスタン…

GSXは、高性能な3D Gaussian Splattingを実現するために設計された、実験的なクロスプラットフォームCライブラリです…

このツール「rag-document-intelligence」は、Windows上でPDFやスキャンされた文書を扱うためのアプリケーションです…

このツールは、AI（Claude、Cursor IDE）と自律エージェントを統合した次世代のQA自動化ツールキットです。自己修復…

doubao-speechは、Volcengine Doubaoのseed-tts-2.0とbigmodel音声APIに対応したPythonクライアントおよびCLIツール…

macOS向けの「handy-companion」は、無料のオフライン音声認識アプリ「Handy」で生成された文字起こしテキストを、大…

本リポジトリは、AAAI 2025論文「SocialSim: Towards Socialized Simulation of Emotional Support Conversation」に…

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…

「voice-snap」は、低遅延を実現するAI音声コンパニオンライブラリです。高速な音声認識にはfaster_whisperを、自然…

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…

このツールは、Google Labs FlowのOmni Flashビデオ生成機能をコマンドラインから利用するためのopencliプラグインで…

OpenVoiceは、短い参照音声から瞬時に音声をクローニングできるオーディオ基盤モデルです。ターゲットスピーカーの声…

Veo 3 APIは、Googleの最新AI動画生成モデルであるGoogle Veo 3（Veo3, Veo 3.1, Veo 3 Fast）へ、最も安価で容易に…

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…

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…

「photo-to-mesh」は、オブジェクトの写真をクリーンでスケーリングされたダウンロード可能な3Dメッシュに変換するツ…

このリポジトリは、NVIDIA DGX Sparkワークステーション向けの包括的な設定を提供します。Caddyリバースプロキシ、Op…

Mynahは、Discordのボイス通話を録音し、高精度な話者ラベル付きでローカルに文字起こしするツールです。このツール…

「ComfyUI Image Tiled Nodes」は、ComfyUI用のカスタムノードセットです。このツールは、大規模な画像を重複するタ…