全AIリポジトリ

このリポジトリは、PoyoAPIの「sora-2-official」モデルを使用して、サーバーサイドで高品質な動画を生成するための…

Laser Scanner Toolkit (LSC)は、C++17で実装された3Dラインレーザープロファイラーのキャリブレーション、シミュレ…

Auralisは、約10億パラメータを持つハイブリッドLLM「Helix v2」（Mamba-2/GLA/Sparse-Attentionベース）を利用した…

このリポジトリは、Spring AI、Chroma、OpenAI、Reactを組み合わせたプロダクションレベルのRetrieval-Augmented Gen…

avataraisdkは、任意のウェブサイトに簡単に組み込める3D AIアバターSDKです。リアルタイムのリップシンクと多言語音…

このGemini Chatbotは、StreamlitとFastAPI、Google Gemini APIを使用して構築されたフルスタックのAIチャットボット…

「MUSE TTS Embed」は、Anthropic Claudeのチャットインターフェース内に永続的なオーディオプレイヤーを組み込み、A…

このGitHubリポジトリ「OpenArch」は、Sebastian RaschkaのLLM Architecture Galleryに基づき、現代のオープンソース…

Aetherは、参考画像や生成結果から「視覚的記憶」を生成・管理し、美的スタイルの一貫した画像を継続的に創作するた…

Floworkは、ユーザーが自身のAIエージェントを所有し、ローカルで実行するための主権的なAIエージェントOSです。USB…

KG-RAGは、Jiraサポートチケットの問い合わせに特化したRAG（検索拡張生成）システムです。ChromaDBによるセマンティ…

このプロジェクトは、音声感情認識（SER）におけるテキストのみ（RoBERTa）、音声のみ（wav2vec2/WavLM/HuBERT）、お…

MuAPIの公式Python SDKで、画像、動画、音声の生成、AIによる画像強化、背景除去、動画編集（リップシンク）、ファイ…

このツールは、GTZANデータセットを用いた音楽ジャンル分類のためのマルチモーダルCNNモデルを提供します。メルスペ…

Sirenは、生のビデオ/オーディオアセットからファインチューニングされた音声合成（TTS）モデルを作成するための、エ…

DRM Transformerは、従来のTransformerモデルの限界を打破するために開発された、デコーダーオンリーのTransformerで…

py-rag-engineは、PDFやMarkdown文書から情報を抽出し、質問応答を行うための軽量なPython製RAG (Retrieval-Augmente…

Catetusは、Gaussian Splattingの最適化と本番環境への配信を支援するオープンソースのインフラです。巨大な.plyファ…

ComfyUI mss_loginは、ComfyUIのセキュリティ、ガバナンス、パーミッション、マルチユーザー制御を強化する次世代シ…

このAI Eコマースメディアスタジオは、AIを活用してEコマース向けの商用利用可能な商品画像やシネマティックビデオを…

DocLensは、PDF、研究論文、レポートなどの文書を、検索可能で構造化されたAI対応の知識に変換するオープンソースの…

VisoRAGは、ローカルGPU環境で動作する、PDF、DOCX、画像ファイルの質問応答や情報抽出に特化したビジョンファースト…

Ashlr MDは、macOS、Windows、Linuxに対応したオープンソースのAIネイティブMarkdownアプリです。従来のテキストエデ…

NewScriberは、AIを活用した自律型の多言語ニュース編集・ポッドキャストスクリプト作成・音声ブリーフィング配信ネ…