全AIリポジトリ

NarrateFlowは、PPTやドキュメントを音声クローン、タイムライン調整、リタイムド動画合成機能を備えたナレーション…

ComfyUI Agentic workflow nodes (CRAG nodes)は、ComfyUI内でRunpod上のエージェントシステムを視覚的に設計、計画…

S2Sは、Rustとsherpa-onnxフレームワークを活用した、高性能で軽量なローカルSTT（音声認識）およびTTS（音声合成）A…

DiffusionDeskは、ComfyUIユーザー向けの強力なAI画像生成フロントエンドです。Text2Image、Image2Image、Inpaint、I…

WaveSpeedAI Skillsは、700以上のメディアモデルと290以上のOpenAI互換LLMを統合したWaveSpeedAI推論プラットフォー…

Cadenceは、Windowsユーザー向けのプライベートかつローカルファーストな会議録音・文字起こしツールです。会議音声…

comfyui-touch-resizeは、ComfyUIのノードやグループをタッチデバイスでピンチ操作によってリサイズ可能にするツール…

CodeFlowIQは、開発者が未知のコードベースを迅速に理解するのを助けるローカルファーストのリポジトリインテリジェ…

「faster-trellis」は、Microsoftの「TRELLIS v1」における画像から3Dモデルへの変換を、学習不要で高速化するライブ…

このリポジトリは、様々な生成AIアーキテクチャ（VAE、GAN、DDPMなど）をPythonでゼロから実装したコンパクトなコレ…

whatfirst · smallは、タスクの優先順位付けを支援する、ローカルで動作する小型のビジョン言語モデル（Qwen2.5-VL-3…

このツールは、GitHubのプルリクエストをAI（LLM）が自動的にレビューするGitHub Actionです。`codellama`などの指定…

easy-transcriber-sttは、Windows向けのローカル音声文字起こしアプリケーションです。スピーチを自身のPC上でテキス…

このツールは、本番環境に対応したRAG（検索拡張生成）とAIエージェントプラットフォームです。高密度、BM25、RRFを…

SD WebUI Forge向けのこの拡張機能は、最大30個のプロンプトスロットを管理し、一括で画像生成や設定保存を可能にし…

本ツールは、NVIDIA L40SなどのシングルGPU環境で再現可能なLLM推論ベンチマーク実験を行うための最小限の足場を提供…

「Voice Meeting」は、多人数の会議をリアルタイムで文字起こしし、発言者を識別するオンプレミスソリューションです…

libraz/midi-sketch-bachは、C++17とWebAssemblyを用いて開発された、バッハの器楽曲スタイルに基づいたルールベース…

「Gaussian Splatter / Particle Generator」は、ブラウザベースのThree.jsとGPGPUを活用したパーティクルビューアお…

「MusicGen + Demucs API」は、テキストプロンプトからAI音楽を生成し、音源をボーカル、ドラム、ベースなどに分離す…

loomは、耐久性のあるエージェント実行エンジン「Sibyl」のためのSlackフロントエンドです。Slackのメッセージやコマ…

Phonemeは、Windowsユーザー向けのローカルファーストなボイスノートアプリケーションです。ホットキーを押すだけで…

PrismRAGは、PDFドキュメント内のテキストだけでなく、図、チャート、テーブルといった視覚情報からも質問に答えるマ…

via54Designは、人間のインスピレーションとAIを融合させ、物語からビデオ、プレゼンテーション、クリエイティブ画像…