シンプルさとパフォーマンスに焦点を当てた高品質な音声変換ツール。音声変換のための柔軟なプラットフォームを提供します。

Sokujiは、会議のためのリアルタイム双方向音声翻訳を提供するクロスプラットフォームのデスクトップアプリおよびブラウザ拡張機能です。WASM + WebGPUを使用したオンデバイスのASR、翻訳、TTSモデルを使用して完全にオフラインで動作させることも、OpenAI、Gemini、Sonioxなどのクラウドプロバイダーに接続することもできます。音声認識は99言語以上、翻訳は55言語以上、TTSは53言語をサポートし、Windows/macOS/LinuxおよびChrome/Edgeで動作し、プライバシー優先のローカル推論を提供します。

Nanocodex は、Rust コアと JS/Node、ブラウザ WASM、Python バインディングを備えたライブラリファースト SDK であり、セッション全体の型付き履歴、ストリーミングイベント、ツール統合、分岐、スナップショット、オプションの耐久性を備えた完全な OpenAI コーディングエージェントループを実装しています。これにより、アプリケーションはオーケストレーションの下請けコードを再実装せずに、完全機能の LLM コーディングアシスタントを埋め込むことができます。

SkillClawは、LLMエージェントとLLM APIの間に位置するオープンソースシステムで、相互作用を自動記録し、再利用可能な「スキル」を抽出・重複排除・継続的に最適化します。Hermes、Codex、Claude Code、QwenPaw、OpenClawなど多数のエージェントと互換性があり、ローカルストレージ、OSS、またはS3を介してデバイス、エージェント、チームメンバー間で統一されたスキルライブラリを共有できます。

Codex Proxyは、ローカルサービス（デスクトップアプリ、軽量「ノード不要」zip、またはDockerコンテナ）として動作し、Codex DesktopのレスポンスAPIを標準的なOpenAI、Anthropic、Gemini、Ollamaエンドポイントに変換します。ChatGPTアカウントでログイン後、ローカルAPIキーが発行され、`/v1/chat/completions` や `/v1/messages` 形式を理解する任意のクライアントがCodexにアクセス可能になります。ストリーミング、関数/ツール呼び出し、構造化出力、画像生成、複数アカウントローテーション、TLSフィンガープリントスプーフィングを完全にサポートします。

Microsoft / skills は、AIコーディングエージェント（例：GitHub Copilot）にAzure固有の「スキル」（コードスニペット、テンプレート、MCPサーバースケルトン）を即座に提供する本物のオープンソースツールボックスです。これにより、エージェントは正しいAzure SDK呼び出し、Foundryリソースの管理、ガバナンスパターンの遵守が可能になります。`npx skills add microsoft/skills`でインストールし、Python、.NET、TypeScript、Java、Rustに対応する約175のスキルから必要なものだけを選択。`AGENTS.md`とMCP構成ファイルを使って、バックエンド、フロントエンド、インフラ、計画タスク向けのカスタムエージェントを構築できます。

RhinoMCP は、AIエージェントが Model Context Protocol (MCP) を介して Rhino 3D と Grasshopper を制御できるオープンソースブリッジです。高レベルのジオメトリ、編集、Grasshopperグラフコマンドを自然言語で利用可能なツールとして公開し、AI駆動のデザインループを可能にします。

GitHub Copilot アプリは、隔離されたローカルまたはクラウド環境で Copilot ベースの AI エージェントを実行し、複数の並列セッションを管理し、タスク選択からPRマージまでを視覚的なキャンバスと自動化ツールで統合的に管理できるデスクトップクライアントです。

pigoは、ファイルの読み書き、シェルコマンドの実行、ウェブコンテンツの取得、多数のLLMプロバイダーとの連携が可能なGoベースのCLI AIコードアシスタント（piエージェントのクローン）です。ヘッドレススクリプトモードまたはインタラクティブREPLで動作し、ツールレベルの許可/拒否リスト、プロジェクト信頼、プロンプトテンプレート、スキル、プラグイン、自己更新、Go SDKによる埋め込みをサポートします。

xiaobei（小贝）は、中国のセルフメディア運営者向けのAI搭載パーソナルアシスタントです。オープンソースの**openclaw**フレームワーク上に構築され、ユーザーはWeChatチャットを通じて、記事、画像、ショート動画を複数のプラットフォーム（WeChat、小紅書、抖音、Twitterなど）で作成、フォーマット、公開できます。また、トレンド分析、パフォーマンス監視、24時間365日のAIカスタマーサービス、市場調査検索、ビジネス文書生成も提供します。インストールはワンライナースクリプトでプリビルドのtarballをダウンロードし、QRコードをスキャンするとボットが準備完了です。システムはUbuntu/macOS/Windowsで動作し、Alibaba Bailei大規模モデルAPI（または代替）を使用し、信頼性の高い自動化のためのカスタムアンチディテクトブラウザスタック（camoufox）を含みます。オプションの有料「VIP Club」では、プレミアムサポートとサービスが追加されます。

pua は、企業風の「パフォーマンス改善計画」（PUA/PIP）の表現と7項目のデバッグチェックリストを、AIコーディングアシスタント（Claude Code、OpenAI Codex、Cursor、Kiro など）に注入するマルチプラットフォームスキルです。モデルが怠惰なパターン（再試行、ユーザーの責め、受動的待機）を示した場合や、`/pua` コマンドで手動起動すると自動的に作動します。このスキルはモデルが解決策を尽くし、結果を検証し、積極的に行動するよう強制し、中国語、英語、日本語の言語固有パックを提供します。少数のバグに対するベンチマークでは、修正数と検証ステップ数が増加しましたが、速度の向上は限定的です。インストールは各ツールのプラグイン/スキルシステム経由で行います（例：`npx skills add tanweai/pua --skill pua-en` で Claude Code に導入）

skillshareは、AIアシスタントのプロンプトファイル（スキル）、エージェント定義、ルール、接続設定を一元管理し、それらをシンボリックリンクやコピーとして数十種類のAI-CLIツール（Claude、Codex、Cursor、OpenClawなど）に同期するGoベースのCLIツールです。セキュリティ監査機能、プラグインバンドル、MCP接続処理、Webダッシュボードを内蔵しており、macOS、Linux、Windowsでオフライン動作します。

高精細 TTS、マルチスピーカー対話、音声デザイン、リアルタイムストリーミング、音効生成を提供するオープンソース音声・音響生成モデルのファミリー。

ドイツ法に特化したAI支援（ドラフト作成、分析、文書チェック）を可能にする、コミュニティメンテナンス型のClaudeプラグイン、Markdownベースの「スキル」、テストケースファイルのライブラリ。フルプラグインをインストールするか、単一ファイルのプロンプトを実行する。すべての出力はドラフトであり、資格を持つ弁護士によるレビューが必要。

ChatTTS は会話型ダイアログに最適化された生成テキスト音声合成モデルで、自然で表情豊かな音声を提供し、笑い声やポーズを制御できます。

ユーザーの確認を各ステップで待つことで、記事の作成、レビュー、フォーマット、図解、WeChat公式アカウントへの発行までをエンドツーエンドで自動化するオープンソースのAIエージェントスキルセット。

TrustGraphは、企業データをRDF/OWLベースのハイパーグラフに変換するオープンソースプラットフォームであり、LLMエージェントが曖昧なベクトル類似度に頼るのではなく、構造的でプロヴァンス付きのコンテキストを問い合わせることを可能にします。データインジェストパイプライン、複数ステップのエージェント作業を設定可能な「ハイパフロー」、細かいワークスペース/コレクションの分離、オープンLLM推論スタック、およびDocker、Kubernetes、またはSaaSでの柔軟なデプロイを提供します。プロジェクトにはWeb UI、TypeScriptクライアントライブラリが含まれ、Apache-2.0ライセンスで配布されています。

Vexa は、ボットが Google Meet、Teams、Zoom（および Jitsi）の会議に参加し、話者属性付きの文字起こしをリアルタイムでストリーミングし、それを管理下の Git リポジトリに Markdown として保存するオープンソース・プラットフォームです。サンドボックス内で実行される LLM エージェントがそのリポジトリを読み書きして、要約、構造化された Wiki ページ、その他の知識資産を生成します。ホスト型サービスを利用するか、Docker または Kubernetes を経由してフルスタックをセルフホストでき、すべてのデータをオンプレミスに保持し、独自の音声文字起こしおよび LLM モデルを持ち込むことができます。

transcribe.cpp は MIT ライセンスの C/C++ ライブラリで、Metal、Vulkan、CUDA、HIP/ROCm、または tinyBLAS で加速された CPU パスを介して GGUF 形式で 60 以上の音声認識モデル（Whisper、Parakeet、Granite、Voxtral など）を実行できます。CLI、量子化ツール、NVIDIA NeMo からの変換スクリプト、および公式の Python、TypeScript、Rust、Swift バインディングを提供します。モデルは Hugging Face にホストされており、WER テストで数値検証済みです。

Code‑Graph‑RAG は Tree‑sitter でマルチ言語コードベースを解析し、AST から導かれる構造を Memgraph 知識グラフに格納し、LLM で駆動される自然言語プロンプトでコードをクエリ、編集、最適化できます。数十の言語をサポートし、ランタイムトレースのオーバーレイが可能で、ツール統合用に MCP サーバーとして実行できます。

TestHub は、Django（バックエンド）と Vue 3（フロントエンド）で構築されたオープンソースの AI 強化テスト管理システムです。要件分析、テストケース作成、API/Web/Android 自動化、パフォーマンステスト、レポートをカバーし、LLM 駆動のテスト生成とチャットボットアシスタントを提供します。

peon‑pingは、AIコーディングアシスタント（Claude Code、Copilot、Cursorなど）にゲーム風の音声ラインと画面内バナーを追加します。macOS、Linux、Windows、WSL2で動作し、タスク完了、エラー、権限要求などのイベントをアシスタントが通知します。音声パックのインストール、音量制御、オーバーレイテーマ、リモート開発用音声リレー、オプションのモバイルプッシュ通知をすべて、インタラクティブなCLIウィザードまたはスラッシュコマンドで設定可能。

Veridropは、Claude、OpenAI、GeminiのAI-APIリレー/プロキシサービスが本物であるか、宣伝されている機能（PDF、ツール使用、長文コンテキストなど）を保持しているか、および公式の応答仕様に従っているかをチェックするオープンソースのPythonツールです。プロトコル固有のプローブスイートを実行し、結果を公式のベースライン（Claudeの暗号署名チェックを含む）と比較して、加重スコアと詳細なレポートを作成します。無料のWeb UI (veridrop.app) およびセルフホスト可能なCLI/FastAPIサービスとして利用可能で、AGPL-3.0ライセンスで提供されています。

119種類のASRおよびTTSバックエンドを、Pythonの依存関係なしに単一のバイナリで提供する、統一されたC++音声エンジン。

AnthropicのClaude Code CLIについて、インストール、プロンプト工学、および高度な拡張機能（Skills、Hooks、Sub-agents、Workflows、MCP）を豊富な例で解説する包括的なチュートリアル。開発者がリポジトリ全体のコード分析、編集、テスト、自動化にClaudeを活用できるようにします。

GPT4Free (g4f) は、多くの無料またはコミュニティ運営のLLMおよびメディアプロバイダーを、統一されたOpenAI互換インターフェースの背後に集約するオープンソースのPythonライブラリ（Docker、Web GUI、FastAPI API、ブラウザJSクライアントを含む）です。単一のクライアントを介してチャット補完、画像生成、その他のツールを呼び出し、プロバイダーを自動または明示的に選択し、ローカルやコンテナで実行し、さらにはアシスタント用のJSON-RPC「MCP」サーバーを公開することも可能です。GPL-v3ライセンスの下で@xtekkyと@hlohausによって保守されており、ベンダーロックインなしで強力なAIツールを利用できるようにすることを目的としています。

ai-jail は、Linux の bubblewrap/Landlock または macOS のサンドボックスで AI コーディングエージェント（例：Claude）を実行する Rust ベースのツールです。ネットワーク、GPU、ファイルシステム、環境へのアクセスを細かく制御するフラグを提供します。Homebrew、AUR、Cargo、Nix、またはバイナリリリースでインストール可能。デフォルト設定ではエージェントをプライベートな tmpfs ホームで隔離；ホストリソースへのアクセスは明示的に許可する必要があります。設定は TOML ファイルで階層的に（プロジェクト → ユーザー → CLI）管理。GPL-3.0 のみ。

AIコード生成サービス（Claude Code、Codex、Google Antigravity、OpenCode Go、Cursor）で1日/1ヶ月あたりのクォータをどれだけ使用したかをローカルで追跡し、制限のリセット時刻を表示するWindowsタスクバーウィジェットです。WinGetまたは直接ダウンロードでインストールし、シンプルなダッシュボードでプロバイダーを設定します。テレメトリなしのプライバシー重視のモニタリングをお楽しみください。

FinGPTは、感情分析、関係抽出、見出し分類、NER、QA、株価予測などのタスクのためにLoRA/QLoRAでファインチューニングされた金融大規模言語モデルのオープンソーススイートです。マルチタスクおよびシングルタスクのチェックポイント、公開の命令チューニングデータセット、ベンチマークスイート、デモインターフェースを提供し、すべてApache‑2.0ライセンスの下で利用できます。

SkillAlchemy は、公開ドキュメント、論文、コードから曖昧なタスク要件を自動的に解析し、再利用可能でインストール可能なエージェントスキルを生成するオープンソースフレームワークです。隠れた要件を発見し、根拠に基づく手順を抽出し、その適用範囲を評価して、Claude Code や Codex などのLLMエージェントが直接利用できる形でパッケージ化します。87のベンチマークタスクで55.8 %の達成率を達成し、既存の自動スキル生成ツールを上回り、人間がカスタマイズしたスキルと同等の性能を発揮します。`npx skills add agentsope/SkillAlchemy` でインストールし、エージェントにスキル生成を依頼してください。

Sessions Viewer は、Tauri + Vue 3 で構築されたクロスプラットフォームデスクトップアプリです。Claude Code、Codex、Grok Build、Kimi Code、Pi、Antigravity CLI、opencode などのAIコーディングアシスタントから生成されたローカルトランスクリプトファイルを開き、検索・再生・再開できます。ツールコールの忠実な再生、グローバル検索、スプリットペインレイアウト、トークンコスト分析、埋め込みまたは外部ターミナルでのワンクリック再開を提供し、元のJSONLファイルは読み取り専用のまま保持されます。

WhisperJAVは、日本成人動画（JAV）のオーディオからローカルで字幕を生成するツールです。ノイズの多い長時間オーディオに対するWhisperの既知の課題を、シーンベースのセグメンテーション、音声活動検出（VAD）、防御的デコード、日本語特化後処理で克服。GUIとCLIの両方を提供し、バランス、忠実度、高速、Qwen、アニメ-Whisperなど複数の処理モードに対応。v1.9.2では実行要約テーブル、オフライン専用モード、VADバージョン選択、より良いエラー処理が追加されました。

AIOSは、LLMベースのエージェント向けのオープンソース「オペレーティングシステム」です。カーネル（このリポジトリ）はLLMインスタンス、メモリ、ストレージ、ツールサンドボックスを管理し、Cerebrum SDKを介してシステムコールスタイルのAPIを公開します。Ollama、vLLM、HuggingFace、Deepseekなど多数のモデルバックエンドをサポートし、外部ツールと統合可能。ローカル単一マシンからリモート、個人、仮想化カーネルまで、さまざまなデプロイモードを提供します。Python 3.10/3.11環境でインストール可能。設定は`config.yaml`で行い、Web UIまたは自然言語ターミナルからエージェントを実行できます。研究レベル（複数のカンファレンス論文）であり、現在も積極的にメンテナンスされています。

Chromium用サイドパネル拡張機能。ローカル、クラウド、リモートのHermes Agentに接続。アクティブタブのコンテキストをストリーミング、マルチエージェント切り替え、スマートタブスコープ、サイト対応ドラフト（Hermes Assist）、ページコメント、オプションのライブタブ制御をサポート。すべての診断は透過的で、9種類のビジュアルテーマを提供。

CPUおよびGPU上での効率的な実行を目的として設計された、幅広い言語をサポートする高速なエンドツーエンドのテキスト読み上げ（TTS）モデルのコレクション。

実践的なパズルを通じて、`pixi` ベースの環境、テストハーネス、コミュニティサポートを備えた、GPUプログラミングを教えるインタラクティブでオープンソースのチュートリアル。

Claude‑Code‑Proxy は、Claude Code の Anthropic API 呼び出しを Codex、Kimi、Grok、OpenCode Go、または Cursor モデル向けリクエストに翻訳するローカルコマンドラインサービスです。これにより、Claude Code の UI を維持したまま、他のプロバイダーを利用できます。認証、モデルルーティング、ストリーミングを処理し、使用状況統計をターミナルで監視可能です。Homebrew またはスクリプトでインストールでき、`claude-code-proxy serve` を実行し、Claude Code を `http://127.0.0.1:18765` に接続します。MIT ライセンス。

LLMベースのコーディングアシスタント（Claude Code、Gemini、Antigravityなど）向けのプラグインマーケットプレース。トークン効率の良いコンテキストエンジニアリングパターン（リフレクションループ、サブエージェントジャッジ、仕様ファースト開発、コードレビューエージェント、Gitヘルパーなど）を提供し、AI生成コードの信頼性を高め、CIパイプラインへの統合を容易にします。

Serenity.skill は、市場のホットトピックを、サプライチェーンのボトルネックに真正に近い株式やファンドの短リストに変換するAIエージェントプラグインです。Codex や Claude Code のスキルディレクトリにフォルダをコピーしてインストールし、自然言語プロンプト（例：`$serenity-skill 研究现在 A 股 AI 半导体产业链`）で呼び出します。このスキルは、テーマをサプライチェーンの層に分解し、ボトルネックを特定し、公開書類を収集して候補をランク付けするステップバイステップ分析を生成します。明示的に証拠の欠如やリスクを示します。取引やリアルタイムデータは提供せず、ユーザーのリサーチワークフローを支援するのみです。MITライセンス。

PaiAgentは、ドラッグアンドドロップノードで視覚的にAIワークフローを構成できるオープンソースで企業向けのプラットフォームです。Spring AIを介して複数の大規模モデルプロバイダーをサポートし、古典的なDAGエンジンとLangGraph4jステートグラフエンジンの二重実行エンジンを提供。LLM駆動の関数呼び出し用の宣言的「スキル」システムとリアルタイムSSEデバッグを備えています。フロントエンドはReact + TypeScript、バックエンドはSpring Boot 3 + Java 21、MySQL（およびオプションのMinIO）で永続化を実現しています。

FluidAudioは、macOS/iOS向けのデバイス内音声AI（ASR、TTS、VAD、話者分離、ITN）を提供するSwift SDKです。Apple Neural Engine上でCore MLモデルを実行し、低遅延かつプライバシーに配慮した推論を実現します。

OpenDirectory は、マーケティング、成長、ビジュアルコンテンツの専門知識をLLMエージェント（Claude、Gemini、Codexなど）に追加する64のプラグイン型「スキル」のカタログです。`npx` コマンド1つ（または skills.sh、Claude Desktop、Manus AI経由）でスキルをインストールすると、ターゲットエージェントはブログカバーアート生成、ブランドネーミング、価格ページ審査、競合インテリジェンス、動画制作などのタスクに必要なプロンプト、コンテキスト、ツール定義を即座に獲得します。起業家やマーケターがプロンプトをゼロから書かずにAIアシスタントを利用できる、再利用可能でバージョン管理されたプロンプトライブラリです。

ToolUniverseは、AIツールインタラクションプロトコルとモデルコンテキストプロトコルを介して、大規模言語モデル（MLモデル、データセット、バイオインフォマティクスパッケージなど）を科学的ツールとして標準化して呼び出すためのPython SDK + CLIです。1,000以上の即時利用可能なツール、非同期実行、キャッシュ、薬物発見・腫瘍学などに特化した事前構築済みエージェントスキルを備え、『AI科学者』エージェントの迅速構築を可能にします。

PM Skills は、Claude、ChatGPT、Gemini などに、賃貸契約書の解読、PRDの作成、給与交渉シミュレーションなど、プロフェッショナルおよびライフマネジメントのタスクを上級者レベルで実行するための、実際の手順を提供する、1 169個の Markdown「エージェントスキル」からなるオープンソースのライブラリです。各スキルは、フレームワーク、テンプレート、チェック項目、および避けるべきパターンを含むシンプルな Markdown ファイルです。1行の `npx` コマンドでインストールでき、Claude Code ではネイティブに使用可能。他のエージェントにはプロンプトとして貼り付けることもできます。リポジトリには npm/PyPI パッケージ、Docker イメージ、および Telegram、Slack、Raycast、Obsidian、n8n などの統合も提供されています。ウェブプレイグラウンドでは、インストール不要でブラウザ上でスキルを実行できます。

PyTorch Geometric (PyG) は、グラフニューラルネットワークの構築、学習、スケーリングを可能にする PyTorch ベースのライブラリです。統一された API、数十種類の準備済み GNN レイヤー、大規模かつ異種グラフ用のデータローダー、および `MessagePassing` 基底クラスによる拡張性を提供します。

Boxは、GoogleのAI Edge Galleryをフォークして、包括的でオフライン最優先のAIツールセットを提供するAndroidアプリです。大規模言語モデル、視覚モデル、拡散画像生成器、音声認識、音声合成、音楽生成、音声カメラアシスタント（Box Assist）を、CPU、GPU、またはNPUの加速を活用してスマートフォン上で直接実行します。Googleのテレメトリを削除し、生体認証ロックと暗号化ストレージを追加。多言語UIとアクセシビリティ機能も備えています。APK（標準版またはカスタムROM用）でインストール可能で、Apache 2.0ライセンスで提供されています。

fractalは、再帰的なツリー構造のGitワークツリー内で自律型LLMエージェントを実行するPythonライブラリ/CLIです。ノードは目標に向かって反復し、サブタスクのために子ノードを生成でき、深さ、反復回数、時間、USDコストの構成可能な上限によって制限されます。すべての実行メタデータはローカルのSQLite DBに保存され、ターミナルUIを通じて可視化されます。Claude Code、Codex、Grok、OpenCode、Oh My Piバックエンドをサポートし、チャットベースのノード作成のための/fractalスキルを提供します。安全上の警告：ノードは許可プロンプトなしで実行されるため、信頼できるホストまたはサンドボックス化されたホストでのみ起動してください。

Kokoroモデルを使用したCLIテキスト音声変換ツール。テキスト、PDF、EPUBを自然な音声に変換し、ボイスブレンドとストリーミングをサポート。