alesha-pro/tools

Tools, ComfyUI workflows and benchmark configs from a 4x RTX 3090 local-inference rig

解決する問題

このリポジトリは、ローカルハードウェアで AI モデルを実行するための専門ツールのコレクションを提供し、特にビデオ生成の最適化とエージェントベースのアニメーションの作成に焦点を当てています。

仕組み

プロジェクトは独立したセクションで構成され、それぞれに独自のインストールプロセスがあります：

minimax-h3：MiniMax H3 モデル用の ComfyUI ワークフローを実装し、同期したビデオとオーディオを一度に生成します。単一の 24 GB GPU とマルチ GPU セットアップの両方に最適化が含まれており、4 カード構成で大幅な高速化を実現します。
skills：Blender やビデオ生成モデルを必要とせずに、手描きのキャンバスアニメーション（鉛筆、インク、リソグラフなど）を作成するための JavaScript や Canvas 2D ツールなど、スタンドアロンのエージェントスキルが含まれています。

対象ユーザー

自分のハードウェアでローカル AI 推論を実行しているユーザー（特に NVIDIA RTX 3090 や同様のマルチ GPU セットアップを所有するユーザー）で、高品質のビデオとオーディオを生成したり、AI エージェント向けの特定のアニメーションスキルを実装したいと考えている方。

ハイライト

マルチ GPU 最適化：4x RTX 3090 セットアップに特化して調整されており、15 秒のショットのサンプリング時間を 19 分から 7 分未満に短縮します。
同期生成：MiniMax H3 を使用して、フレームとオーディオを同時に生成します。
エージェントスキル：Canvas 2D を使用して、表現力豊かなストロークと設計されたポーズのための専門的なアニメーションツールが含まれています。
すぐに使用可能：カスタムノード、turbo LoRA に必要なパッチ、簡素化されたインストーラーが同梱されています。

関連

プロジェクト
Alos21750/UAV-Downloader
UAV Downloader は、JableTV、MissAV、SupJav、Hanime1 に対応する Windows 向けの動画ダウンローダーで、ローカル音声認識（ReazonSpeech K2 v2 または Whisper）および翻訳モデル（FuguMT、OPUS-MT）を使用して、日本語、英語、繁体中国語の字幕を自動生成できます。3つの操作モード（インタラクティブGUI「UAV Browser」、非対話型スケジューラ「UAV Watcher」、ヘッドレスDocker/CLI版）を提供し、プロキシ対応、並列ダウンロード、オプションのLLMベース翻訳を備えています。プロジェクトは Apache 2.0 ライセンスで公開され、デフォルトではオフラインで動作します。
プロジェクト
MME-Benchmarks/Video-MME-v2
三段階の段階的な難易度スケールとグループ化された非線形スコアリングを用いて、MLLMにおける動画理解の真の時間的推論能力を評価する堅牢なベンチマークです。
プロジェクト
AlexGladkov/claude-in-mobile
`mcp-devices`（別名 `claude‑in‑mobile`）は、モジュール式の Node/Rust サーバーで、Claude風AIエージェントが Android、iOS、ウェブ、デスクトップ、Aurora、HarmonyOS デバイスを制御できるようにします。ベースをインストール（`npm i -g mcp-devices`）、プラットフォームプラグイン（例：`@mcp-devices/plugin-android`）を追加し、有効化して、MCP互換クライアントをサーバーに接続します。スクリーンショット、タップ、UI検査、ライブデバッグ、テストなどの操作を提供し、AI駆動のデバイス自動化と体化エージェント研究を可能にします。
プロジェクト
11273/mooc-work-answer
クロスプラットフォームのPythonツールで、中国のMOOCサービス（智慧职教、AI 优课、資源库）における学習進捗の追跡、ディスカッション投稿、AI支援型宿題のヒントを自動化します。公式APIと通信し、オプションでDeepSeekを使って参考回答（60–100％の関連性）を生成します。プリビルド実行可能ファイルまたはソースコードから実行でき、人間の行動を模倣するための安全な遅延を含んでいます。