伸びている AI プロジェクト

複数のAIコーディングアシスタントやCLIツールの設定、セッション、プラグインを管理するための、統一されたビジュアルインターフェース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ケーションです。

Bug Hunterは、ハンター、懐疑論者、審判員からなるマルチエージェントシステムを活用し、誤検知を排除して証拠に基づいたセキュリティおよび動作バグのレポートを提供する、敵対的AIコード監査ツールです。

既存のChatGPTまたはGeminiサブスクリプションを使用して、別途APIキーや追加の請求なしに画像を生成できる、依存関係のないCLIツールです。

RhinoAI は、CAD 環境を大規模言語モデルアシスタント（Claude、Copilot、OpenAI、Gemini、またはローカルモデル）に接続する公式の Rhino 3D プラグインです。自然言語のプロンプトでジオメトリを生成または編集でき、ワンクリックインストーラー、VS Code デバッグサポート、エンドユーザーと開発者向けの包括的なドキュメントを提供します。

PointWorldは、部分的なRGB-Dキャプチャとロボットの行動から、フルシーンの3Dポイントフローを予測する大規模な事前学習済み3Dワールドモデルであり、現実世界におけるロボット操作の性能を向上させます。

ESP32デバイス向けの高パフォーマンスなGoベースAIバックエンドで、ASR、LLM、TTSエンジンを統合し、低遅延でフルストリーミング音声インタラクションを実現します。

herdrm は、**herdr** ランタイムのグラフィカルコンソールを提供するネイティブ macOS アプリです。herdr ランタイムは、AI コーディングエージェント（Claude、Codex、Gemini など）をホストします。ローカルおよび SSH 接続されたデバイスを単一のサイドバーに集約し、スペース/エージェント/ターミナルのライブステータスを表示し、実際の PTY ターミナル（Ghostty エンジンを使用）を介して任意のエージェントに接続できます。機能には、ファイルのドラッグ＆ドロップ、2 ペインのリモートファイルマネージャー、システム通知、検索可能な Claude 会話履歴、ユニバーサルバイナリ配布が含まれます。Homebrew または署名付き zip でインストール；macOS 14+、ローカル/リモートの **herdr** 守护进程、SSH アクセスが必要です。このプロジェクトは初期段階で、非商用 PolyForm 许可下の开源项目，欢迎贡献。

Python向けの高性能CPU、GPU、メモリプロファイラ。行単位の分析とAIを活用した最適化提案を提供します。

TensorRTまたはDirectMLを使用して、リアルタイムでアニメ動画を4Kにアップスケーリングできるカスタムmpv動画プレイヤーと、Real-ESRGANモデルのコレクション。

JetBrains IDE プラグインで、ローカルの Model Context Protocol (MCP) サーバーを実行し、IDE のインデックス、リファクタリング、診断、ビルド機能を JSON‑RPC ツールとして AI コーディングアシスタント（Claude、Codex、Cursor など）に公開します。複数言語、ヘッドレス操作、オプションのプロジェクトライフサイクル管理をサポートします。

インテリジェントエージェント駆動のドキュメント検索プラットフォームで、ユーザーはチャットインターフェースを通じてドキュメントをアップロード、処理、RAG を用いてクエリできます。

単語レベルの正確なタイミングを備えた、高精度な音声認識システム。話者の意図した内容（クリーンテキスト）と原文通りの記録（間の言葉や詰まりを含む）の両方を選択可能。

SALMONN は、視覚、音声、テキスト、アクションを同時に処理するオープンソースのマルチモーダル大規模言語モデルのファミリーです。リポジトリには、モデルチェックポイント、推論コード、トレーニングスクリプト、大規模なアノテーション付きデータセット（ビデオキャプションや音声品質データを含む）が含まれています。video-SALMONN-2、ELLSA、F-16 などのバリアントは、ストリーミング、全二重の知覚と生成を可能にし、インタラクティブエージェント、ビデオQA、キャプション生成、音声品質評価に適しています。

ComfyUI向けの汎用的なマルチエンジンTTSおよびオーディオスイート。数十種類のAIモデルを統合し、音声合成、ボイスチェンジ、SRT字幕同期を実現します。

SLayer は、AI エージェントにガバナンスされた柔軟なインターフェースを提供し、データウェアハウスにクエリを実行できるようにする埋め込み可能なセマンティックレイヤーで、SQL 変換と複雑な変換を自動的に処理します。

GitHub Action として Claude Code を CI/CD ワークフローに統合し、PR レビュー、依存関係の更新などの自動化されたエージェントタスクを可能にする。

Agent Client Protocolを介してAIエージェントを統合するObsidianプラグイン。エージェントがコピー＆ペーストなしでボールト内のノートを読み取り、編集できるようにします。

AIエージェント向けのプロフェッショナルなデータ分析スキルで、生セルの検査とチェックサム再検証により、Excelにおける静黙的な計算エラーを防止する厳格な8ステップ監査・再検証ワークフローを実装します。

x-reader は、URL（ツイート、ビデオ、記事など）の背後にある真のソースを取得し、完全なコンテンツが読まれたか、部分的に読まれたか、または失敗したかを報告する Python CLI および Agent Skill であり、AI エージェントに機械可読なエビデンスを提供します。

AIエージェントに無料でキーレスなウェブ検索およびボット対策フェッチ機能を提供するMCPサーバー。これにより、ボットウォールをバイパスし、ローカルでウェブをクロールできるようになります。

Observer AIは、画面、カメラ、音声を監視し、視覚的またはテキストベースのイベントに基づいて自動タスクや通知をトリガーするローカルファーストのエージェントフレームワークです。

CUTLASS 3.x で使用される CuTe のレイアウト・テンソル代数の純粋な Python 実装であり、GPU を必要とせずにレイアウトのプロトタイピングやテストが可能になります。

さまざまなAIモデルを使用して、音楽トラックからボーカルや楽器を分離できる、Music-Source-Separation-Training用のウェブベースのインターフェース。

ボイラープレート、トランスポート、認証を処理する独断的な高レベル API を提供することで、Model Context Protocol (MCP) サーバーの構築を簡素化する TypeScript フレームワーク。

Video Recap Skills は、AI エージェント向けのプラグインスイートで、あらゆるビデオを短い中国語ナレーション付きの要約に自動変換します。音声認識、視覚言語分析、テキスト読み上げには Xiaomi MiMo を使用し、ローカルでは ffmpeg のみが必要です。エージェントはストーリープランを作成し、クリップを選択し、ナレーションを書き、TTS を生成し、すべてをミックスして、MP4 と字幕を出力します。さらに手動編集のために、マルチトラックの剪映/CapCut ドラフトをエクスポートすることもできます。インストールは、いくつかの brew/apt コマンド、MiMo API キーの設定、Claude Code、Codex CLI、OpenCode、または OpenClaw へのプラグイン追加で完了します。リポジトリは MIT ライセンスで、ZenStory AI オープンソースエコシステムの一部です。

Mission Plannerは、ArduPilotベースの無人機用地上局ソフトウェアであり、ミッション計画、機体設定、ファームウェア管理のためのツールを提供します。

dsh-pentestは、DeepSeek Harnessに構造化されたペネトレーションテストモードを追加するプラグインです。エージェントが目標、意図、事実、発見事項、資産を記録するためのツールを提供し、それらをSQLiteデータベースに保存して、専用のWeb UI（グラフ、脆弱性リスト、資産ビュー、Markdownレポート）で表示します。認可されたセキュリティ業務を対象としており、DSH ≥ 0.1.6およびNode ≥ 22.5が必要です。

MiniMax H3 用のローカルデプロイスキルで、Windows 上の低VRAM NVIDIA GPU がネイティブオーディオ付きで AI エージェントによる動画生成を可能にします。

Xのブックマークをローカル知識ベースに同期するコマンドラインツールで、LLMによる分類を可能にし、AIエージェントに根拠のあるローカルコンテキストを提供します。

CLIP、DINOv2、SAMなどの複数の大規模モデルを単一のバックボーンに蒸留し、視覚ドメイン全体での効率と汎用性を向上させる統合型ビジョン基盤モデル。

SentrySearch は、ビデオ映像をローカルベクトルデータベースにインデックス化するコマンドラインツールで、自然言語テキストまたは参照画像で検索し、最適な一致瞬間をトリミングされたクリップとして保存できます。

現実世界の組織構造と方向性のある通信フローを用いて、エージェントの協働を整理するマルチエージェントAIアプリケーション用のフレームワーク。

ChatGPTアカウントをOpenAI互換のAPIとして利用可能にするツールおよびSDK。ユーザーが自身のAIアカウントを持ち込めるアプリケーションの開発を支援します。

ProjectAtlasは、Rust製のCLIおよびMCPサーバーであり、コードベースのローカルなインテリジェントマップを作成することで、AIコーディングエージェントが大規模リポジトリを効率的にナビゲートし、トークンコストを削減できるようにします。

Relax は、マルチモーダル大規模言語モデル向けのオープンソースで Ray Serve ベースの強化学習エンジンです。単一のトレーニングループでテキスト、視覚、動画、音声をサポートし、独立した GPU クラスタ間で完全非同期またはハイブリッド実行を提供し、多くの RL アルゴリズム（PPO、GRPO、M2PO、RLOO、REINFORCE++…）を備え、エラスティックなロールアウトスケーリング、ヘルスチェック、集中型メトリクスなどの本番グレード機能を提供します。このフレームワークは Megatron-LM トレーニングと SGLang 推論バックエンドを備えた Docker イメージとして提供され、テキスト、視覚言語、オムニモーダルタスク用のすぐに実行できるスクリプトが付属しています。

macOS、Windows、Linux用のオープンソースのデザインキャンバスで、AI駆動の画像およびアセット生成を従来のグラフィックデザインツールと統合しています。

Aixora Audio は、Windows 向けのオールインワンデスクトップ UI で、コンパイル済み C++ 推論バックエンド（audio.cpp）を介して、オープンソースの音声合成、文字起こし、翻訳、吹き替え、リアルタイム音声チャット、その他のオーディオツールをローカルで実行します。CUDA、Vulkan、または CPU をサポートし、多数のモデルカタログを提供し、ポータブルパッケージとソースビルド手順を提供します。

StatsPAIは、StataやRの計量経済コマンド（回帰、IV、DiD、RD、合成コントロール、マッチングなど）をStataスタイルのAPIで再現するオープンソースのPythonライブラリであり、エージェント対応メタデータ、組み込みデータセット、テーブルのエクスポートやインタラクティブなプロットのためのユーティリティを提供します。

Ceres Solver は、大規模かつ複雑な非線形最小二乗法および一般的な非制約最適化問題をモデリングおよび解決するための C++ ライブラリです。

量子化とカスタムランタイムを使用して、CPUおよびGPU上での実行を高速化し、メモリ使用量を削減する、効率的なTransformerモデル推論のためのC++およびPythonライブラリ。

Dartsは、時系列予測と異常検知を簡素化するPythonライブラリです。古典的なモデル（ARIMA、指数平滑法）とディープラーニングモデル（N-BEATS、TCN、Transformer）のための統一された `fit` / `predict` APIを提供し、多変量系列、共変量、確率的予測、バックテストをサポートし、PyTorch LightningやMLflowと統合します。

AI音声レコーダー用のオープンソースで自己ホスティング可能な補助アプリ。録音データを同期し、ユーザーが選択したAIプロバイダーを使ってトランスクリプト化します。

OpenLLM は、オープンソースの LLM（Llama 3、Qwen 2.5、Mistral など）をローカルで実行し、OpenAI 互換の REST API として公開できる Python ツールです。単一のコマンドで GPU アクセラレーションサーバーを起動し、組み込みの Web チャット UI を使用し、Docker または Kubernetes でサービスをデプロイできます。モデルカタログ、カスタムモデルリポジトリをサポートし、高性能 vLLM バックエンドと統合されています。

AITuberKit は、チャット、音声、ライブ配信が可能なAI駆動仮想キャラクター（VTuber）を構築するためのオープンソースツールキットです。多数のLLM、TTSエンジン、アバター形式を統合し、YouTubeチャット、キオスクデモ、ゲーム解説モードに対応。ローカル、Docker、Vercel/Cloudflareに実行またはデプロイ可能。商用利用には別途ライセンスが必要です。

CRDTを使用してデバイス間でオフラインファーストかつ競合のないデータ同期を実現するSQLite拡張機能。コラボレーションアプリや分散型AIエージェントのメモリ向けに設計されています。

MIRAは、プレイヤーの行動に基づいて2v2マッチをシミュレートする50億パラメータの潜在拡散モデルを使用して、Rocket Leagueのリアルタイム世界モデルを実現しています。

Google AI Edge LiteRT Samples は、LiteRT（TensorFlow Lite の後継）および LiteRT-LM 向けのオンデバイス機械学習デモ、モデル変換レシピ、自動化ツールを集めた真のオープンソースコレクションです。音声、視覚、テキストから画像、マルチモーダルアプリをカバーする Android、iOS、Web/WASM の例と、Hugging Face チェックポイントを LiteRT 互換バンドルに変換するスクリプトを提供します。このリポジトリは、高性能なエッジ AI アプリケーションを構築する開発者を対象としています。

Zero-WAM は、人間のデモンストレーションビデオや言語をコンテキスト内仕様として使用することで、ロボットが未見のタスクをゼロショットで実行できるようにする因果ビデオアクションポリシーです。