伸びている AI プロジェクト

実行前のブロッキングにより、危険なコマンドの実行や機密情報の漏洩を防ぐ、ローカルなコーディングエージェント用の安全システム。

AIアシスタントをGoogle Flowに接続するローカル自動化ツールで、ウェブサイトのインターフェースを直接操作して、自分のアカウントクレジットで動画を生成・編集できます。

Chandra OCR 2 は、画像や PDF を構造化された HTML、Markdown、または JSON に変換する OCR モデルで、レイアウトを保持し、90 以上の言語や手書き文字、数式などの複雑なコンテンツをサポートします。CLI、Web アプリ、vLLM サーバーを提供し、デプロイが可能です。

Xolotlは、VRAM、RAM、NVMeストレージ間でモデルの専門家（エキスパート）をインテリジェントにキャッシュすることで、単一のコンシューマー向けゲーミングPCで大規模なフロンティアAIモデルを実行可能にする高性能エンジンです。

Kirara AI は、主流の大規模言語モデルを QQ、Telegram、Discord、WeChat などのチャットサービスに接続するマルチプラットフォームチャットボットフレームワークです。セットアップ用の WebUI を提供し、プラグイン、プリセット、画像/音声返信、HTTP API をサポートしており、多用途の AI アシスタントを簡単に展開できます。

LoopXは、長期実行AIエージェントに永続的な状態管理を提供するローカルファーストのコントロールプレーンであり、複数のセッションや異なるランタイム間で目標、証拠、意思決定履歴を保持することを可能にします。

Markdownに保存された決定論的でルールベースの認知マップを使用し、高性能、ゼロハルシネーション、完全な監査可能性を保証するAIエージェント向けの長期記憶インフラストラクチャ。

Claude Quickstarts は、MIT ライセンスのリポジトリで、Claude を利用したエージェント（カスタマーサポート、財務分析、ブラウザ/コンピュータ自動化、マネージドエージェント統合、自律コーディングなど）を構築する方法を示す、すぐに実行できるサンプルアプリを提供します。各サブフォルダには独自のセットアップガイドが含まれており、ツールの使用、セッション処理、Slack、Linear、Sentry などのサービスとの統合に関するベストプラクティスを示しています。

テキスト、画像、音声入力をサポートする多言語・マルチモーダル翻訳モデルファミリー。用語、フォーマット、音節制御された吹き替えに対する高度な指示追従機能を備えています。

SnapOtterは、オープンソースのDockerベースのプラットフォームで、200以上のファイル処理ツール（画像、動画、音声、PDF、一般的なファイル）を提供し、OCR、背景除去、アップスケーリング、文字起こしなどのローカルAI機能を備えています。Web UI、REST API、またはパイプラインを介して完全にオンプレミスで実行され、多くのSaaSコンバーターに代わるプライバシー最優先の代替手段を提供します。

Vibeは、Whisperなどのモデルを使用してローカルで音声/動画を文字起こしするクロスプラットフォームのデスクトップアプリです。多言語対応、エクスポート形式、要約、翻訳、話者分離をサポートし、GUI、CLI、またはHTTP API経由で操作可能です。

super-board は、コーディングタスクをAI駆動のビルド、テスト、レビューレーンにルーティングすることで、そのライフサイクルを自動化するエージェンティックソフトウェア開発フレームワークです。

Microsoft Agent Framework は、Python、.NET、Go で本番グレードの AI エージェントとマルチエージェントワークフローを構築するためのオープンソース SDK です。プロバイダーに依存しない LLM アクセス、グラフベースのオーケストレーション、ミドルウェア、OpenTelemetry による可観測性、宣言型 YAML エージェント、スキル統合、Azure または Microsoft Foundry での簡単なホスティングを提供します。

FastGenは、PyTorchベースのフレームワークであり、蒸留およびトレーニングツールのスイートを提供することで生成AIモデルを高速化し、高品質な画像、動画、音声の生成に必要なステップ数を削減します。

オープンソースの TradingAgents フレームワークの中国市場向けフォーク。7 つのアナリストエージェント（政策、ホットマネー、ロックアップ専門家を含む）を追加し、取引ルールを A 株固有の仕様（T+1、値幅制限、売買単位）に適応させ、無料のデータソース（mootdx、Tencent、East‑Money、Sina、Tonghuashun）を使用。2 層の LLM（高速と深層）がパイプラインを駆動：アナリスト → 強気/弱気討論 → リサーチマネージャー → トレーダー → 3 者間リスク討論 → ポートフォリオマネージャー、中国語の投資レポートを生成。`pip install -e .` でインストールし、`.env` で LLM プロバイダーを設定し、Streamlit Web UI または CLI で実行。追加の LLM 呼び出しなしで CSI‑300 ベンチマークに対する方向正答率を計算するパフォーマンストラッキングコマンドを含む。

AutoRAG Agent は、Node ベースのローカル実行 RAG システムで、コンピュータを検索可能なナレッジベースに変えます。BM25 と組み込みの埋め込みモデルを使用してファイル（PDF、Office、HWP、画像など）をインデックス化し、多くの外部チャットソースをサポートし、番号付き引用付きで自然言語の質問に回答します。CLI、対話型ターミナル UI、デスクトップ Electron アプリ、TypeScript ライブラリとして利用でき、プライバシー（データがマシンから出ない）と使いやすさ（ベクター DB のセットアップ不要）を重視しています。

LLM（大規模言語モデル）を活用したプラットフォームで、PDF や画像などの非構造化ドキュメントを自然言語プロンプトを通じて構造化 JSON データに変換します。

Repomix は、コードベース全体を AI に適した単一のファイルにパックし、構造を保持してトークンをカウントするツールです。開発者は、大規模なコードベースを ChatGPT や Claude などの LLM に簡単に渡して、分析、レビュー、リファクタリングを行うことができます。

CosyVoiceは、高品質なゼロショット多言語音声合成およびボイスクローニングを実現するために設計された、高度なLLMベースのテキスト読み上げシステムです。

AutoGen は、マルチエージェント LLM アプリケーション（Python/.NET）を構築するための、アーカイブされた Microsoft のライブラリです。Core、AgentChat、Extensions API に加え、ノーコードの Studio UI を提供します。pip でインストールし、簡単な「Hello World」、Web ブラウジング、またはマルチエージェントの例を実行できますが、本番環境や長期的なプロジェクトには、積極的にメンテナンスされている Microsoft Agent Framework への移行を推奨します。

Models.dev は、AI モデルの仕様、価格、機能を集約したオープンソースでコミュニティ貢献型のデータベースであり、データにアクセスするための API を提供します。AI モデル情報の単一の真実の情報源としてのギャップを埋めます。

RAGパイプラインとAIアシスタント向けに最適化された、テキストおよび画像抽出とMarkdown変換を行うための、高性能で多言語対応のPDFツールキット。

CursorやClaude Codeなどの複数のAIコーディングツール間で、AIプロンプト、スキル、プログラミングルールを管理・配布するためのローカルファーストなワークベンチ。

AIエージェントを使用して、失敗分析に基づいてAIエージェントシステムとワークフローのプロンプト、設定、コードを反復的に最適化する自動進化フレームワーク。

オープンソースのPython CLI/ライブラリで、ウェブサイトのAI可視性（ChatGPT、Perplexity、Gemini、Claude、Google AI）を0〜100のスケールで評価し、具体的な修正（robots.txt、llms.txt、JSON-LD、メタタグ）を生成します。16のコマンド、CI/GitHub Actionサポート、MCPサーバーツール、Astro統合、Python APIを含みます。MITライセンスで、`pip`またはゼロインストールの`uvx`でインストールできます。

PR Lens は、pull request 向けにインタラクティブでアニメーション化されたアーキテクチャ図とデータフロー図を自動生成し、開発者がコード変更をすばやく理解できるようにする自動化ツールです。

Oh My PPT は、生成 AI（テキストおよび画像モデル）を使用してプレゼンテーションスライドを作成、編集、エクスポートするデスクトップ Electron ベースのアプリです。ローカルで動作し、ほぼ完全な忠実度で PPTX のインポート/エクスポートをサポートし、ドラッグ＆ドロップ、アニメーション、LaTeX、AI 生成グラフィックスを備えたリッチな HTML エディタを提供し、ローカルの Ollama や OpenAI 互換の任意のサービスに接続できます。

AIエージェントからのコマンドライン呼び出しを傍受し、レッドチームテストやガードレール回避評価のために架空または変更された応答を提供するプロキシツール。

ビジュアル検証ループ（PPTX → PNG）を用いて、高品質な出力を保証する、プロフェッショナルで編集可能なPowerPointプレゼンテーションを生成するデザイン指向のフレームワークです。

OneBoxは、AIエージェントを使用して100以上のローカルツールを制御するオールインワンのAndroidユーティリティアプリであり、プライバシーを保護しながら自然言語コマンドで複雑なタスクを実行できます。

セルフホスト可能なオープンソースのワークスペースで、チャット、タスク管理、ナレッジベースツールをAIエージェントと統合し、ガバナンスされた承認ワークフローとModel Context Protocolをサポートします。

Desktop Commanderは、AIアシスタントがローカルでのファイル管理、ターミナルコマンドの実行、データ分析を直接コンピュータ上で行えるようにするMCPサーバーです。

Open Intelligent UIは、ChatGPTの「インテリジェントUI」– LLMが生成する、地図、写真、旅程、ダッシュボードなどのインタラクティブな回答 – を再現するオープンソースのデモです。OpenUIの生成UI標準に基づき、TypeScriptコンポーネントライブラリ、59の組み込み関数、ステートフルな入力を提供し、OpenUI Cloud、任意のOpenAI互換API、またはローカルのOllamaモデルに対して実行できます。

Fabric は、AI プロンプトを要約、コード説明、コンテンツ生成などのタスクのための再利用可能な「パターン」に整理するオープンソースの Go フレームワークです。統合 CLI、REST API、Web UI を提供し、数十の LLM プロバイダー（OpenAI、Anthropic、Azure、Bedrock、Ollama など）をサポートし、パターンごとのモデル選択、国際化、カスタムパターンによる拡張性を備えています。

Whisperによる文字起こし、LLMベースのハイライトスコアラー、自動クロッピング（APIまたはローカルモード）を使用して、長いYouTube動画をバイラル対応の縦型ショートに変換するオープンソースツール。

ComfyUI向けのプロフェッショナルなディレクターズコンソール。ビジュアルタイムラインとマルチセグメント管理により、MiniMax H3モデルを使用した長尺動画生成を効率化します。

AI API中継サービスに関する厳選された評価・推薦ガイド。ユーザーが安定したコスト効率の高いプロバイダーを見つけ、モデル希釈や信頼性の低いプラットフォームなどの一般的な落とし穴を回避できるようにします。

easyeda‑agent は、EasyEDA Pro 向けの AI 駆動の自動化ツールです。回路要件を自然言語で記述すると、AI がライブラリ、回路図、PCB レイアウト、配線、シルクスクリーン調整、完全な DRC/DFM チェックを作成し、公式の `eda.*` API を介して EasyEDA プロジェクトに結果を書き戻します。

Meilisearchはオープンソースの高速検索エンジンであり、シンプルなREST APIによる全文検索、セマンティック検索、ハイブリッド検索を提供します。マネージドクラウドサービスまたはセルフホスト型バイナリとして利用でき、タイポトレランス、フィルタリング、ファセット検索、ジオサーチ、マルチテナンシー、AI統合（MCP、LangChain、会話型検索）をサポートします。

DeepSeek Harness をベースにしたオープンソースのデスクトップワークベンチ。AI エージェント機能をネイティブデスクトップ環境に統合し、ランタイムとプラグインエコシステムをバンドルしています。

uniTerm は、30 以上のプロトコル（SSH、RDP、SFTP、データベース、Kubernetes、Docker など）をサポートするクロスプラットフォームのデスクトップターミナルで、Anthropic または OpenAI 互換モデルを介してマルチターンシェルコマンドを自律的に計画・実行できる AI エージェントを内蔵しています。Go（Wails v3）と Vue 3 で構築され、Windows、macOS、Linux、Android で動作し、分割ペインのワークスペース、クラウド同期、テーマを提供し、Apache 2.0 ライセンスで公開されています。

歌詞とオーディオから、860個のモジュール式アニメーションコンポーネントのライブラリを使用してダイナミックなテキストベースのミュージックビデオを生成する自動リリックモーションツール。

MediaPipe は、Google が提供するオープンソースのフレームワークで、高速なオンデバイス機械学習パイプライン（グラフと呼ばれる）を構築するためのものです。ハンドトラッキング、ポーズ推定、物体検出、テキスト・音声分類器などの既製のソリューションが含まれており、開発者はこれらを Android、iOS、Web、デスクトップ、その他のエッジデバイスに組み込むことができます。

Nangoは、1,000以上のサービスの認証、APIプロキシ、実行ロジックを処理することで、製品統合の構築と管理を簡素化するオープンソースプラットフォームです。

FaceFusionは、顔操作ジョブ（交換、フィルターなど）を実行・管理するためのオープンソースのコマンドラインプラットフォームです。バッチ処理、ヘッドレスモード、ベンチマーク機能を備え、技術に精通したユーザーを対象としています。

人間やAIエージェントが、安全で構造化されたAPIを通じて、カレンダー、ドキュメント、タスクなどのDingTalk企業向けサービスと対話できるようにするコマンドラインインターフェース。

PaperSpine5は、文献レビュー、ドラフト作成、図表生成、最終的なドキュメントフォーマットを含む、学術論文執筆プロセス全体を自動化するAI搭載の研究アシスタントです。

Codex Securityは、OpenAIが支援するCLIおよびTypeScript SDKで、コードベースのセキュリティ問題をスキャンし、検出結果を検証し、パッチを生成し、SECURITY.mdポリシーを起草し、CI/CD（GitHub Actions、Docker）と統合します。ディープな並列スキャン、マルチプロバイダーのLLMバックエンドをサポートし、結果をSARIF/JSON/CSVでエクスポートします。