全AIリポジトリ

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…

このツールは、ワークフロー自動化ツールであるn8nから、高性能な画像・動画生成AIであるComfyUIを操作するためのコ…

AI Security Methodologyは、AIエージェント向けのセキュリティ研究方法論を提供するリポジトリです。攻撃パターン、…

「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…

AgentRearrangeは、Swarmsフレームワーク向けの汎用マルチエージェントオーケストレーションプリミティブです。本ツ…

このリポジトリは、拡散モデルやフローマッチングモデルといった連続時間生成モデルの開発およびトレーニングコード…

saravananravi08/glm-ocrは、GLM-OCRビジョン言語モデルを搭載した純粋なRust製OCR推論エンジンです。PythonやPyTorc…

SYNTHRONは、実用的なマルチエージェントAIフレームワークで、毎日3500万以上の無料トークンを提供します。7つのLLM…

FlowSRは、ICCV 2025で発表された、Consistency Rectified Flowを活用した高速画像超解像ツールです。低解像度画像か…

このリポジトリは、World Action Model (WAM) に関する2026年版の分類済み研究論文索引です。4つの主要な調査論文と7…

CosyVoiceUIは、NVIDIA Triton Inference ServerとFastAPIを基盤とした高性能なCosyVoiceテキスト読み上げ（TTS）管…

本講義は大言語モデル（LLM）の体系的な学習ノートで、Transformerの基礎からマルチエージェントシステムまで、15週…

ReMapは、3DキャプチャデータをGaussian SplattingやNeRFなどの高度なトレーニング用に準備するための強力なデスクト…

「VoxCPM Easy Launcher」は、OpenBMB/VoxCPM（優れたオープンソースのテキスト音声変換および音声クローンモデル）…