伸びている AI プロジェクト

Firecrawlのウェブスクレイピングおよび検索機能をAIエージェントに統合するMCPサーバー。リアルタイムのWeb検索、スクレイピング、対話機能を提供し、エージェントに最新のコンテキストを与えます。

speech‑to‑speech は、完全な音声アシスタントをローカルで実行するオープンソースのPythonツールキットです。VAD → 音声テキスト変換 → LLM → テキスト音声変換を連携させ、多くの交換可能なモデルバックエンドを備え、OpenAI Realtimeプロトコルに準拠するため、既存のクライアントを自分のマシンに接続できます。

F5-TTSは、Diffusion Transformerとフローマッチングを用いた高性能なテキストから音声への変換システムであり、高速なトレーニングと推論を実現しながら、滑らかで忠実な音声を生成します。

OMXはOpenAI Codex CLIのワークフローオーケストレーション層であり、構造化された計画、永続的な状態管理、およびマルチゴール実行機能を追加して開発者の生産性を向上させます。

XianYu向けのサードパーティAPI統合ライブラリで、安定したメッセージ通信機能を提供し、AIカスタマーサービスエージェントの構築を可能にします。

awesome-jev は、TypeSafe AI の型付き決定（選択、スコア、ブール）を信頼度付きで行うモデル Jev 上に構築された公開プロジェクトとプラクティスのキュレーションリストです。アプリケーション領域ごとにエントリを整理し、公開・引用可能で、実際に Jev ベースの例を要求し、掲載が推奨ではないことを明示的に警告します。品質やセキュリティのレビューは行われません。

RF‑DETRは、リアルタイムオブジェクト検出、インスタンスセグメンテーション、キーポイント検出向けのオープンソースでTransformerベースのライブラリです。DINOv2バックボーンに基づき、小さな「Atto」から大きな「2XL」までさまざまなサイズのモデル群を提供し、NVIDIA T4上で1–17 msで実行されながら、COCOベンチマークで最先端の精度を達成しています。`pip install rfdetr`でインストールでき、3つのタスクすべてに同じPython APIを使用可能。また、Roboflowプラットフォーム上でNASを実行し、独自のデータセットに最適化されたモデルをカスタマイズすることもできます。

delegate‑skillsを使用すると、インストール済みのAIコーディング支援CLIを検出し、名前付きレーンにグループ化し、統一されたレビュー先行ワークフローを介してタスクをディスパッチできます。フリート設定を自動生成するセットアップスキルと、選択したCLIをヘッドレスで実行し、diffと構造化結果をキャプチャし、自動コミットしない実装者ごとのデリゲートスキルを提供します。

Claudeを基盤としたAIショッピングおよびマーチャントエージェントの参考実装。カスタマー向けコマースとセキュアなバックオフィス管理のフレームワークを提供。

OpenLessは、オープンソースでクロスプラットフォームの音声ディクテーションアプリです。ホットキーを押して話すと、選択したASRおよびLLMプロバイダーを使用して音声を文字起こしし、AIで推敲して、カーソル位置にクリーンなテキストを直接挿入します。さらに、乱雑なスピーチをChatGPT/Claude用の構造化プロンプトに変換する特別なモードもあります。プライバシー重視で、キーを持ち込む方式の、Wispr FlowやSuperwhisperに代わるオープンソースの代替です。

OpenScienceは、ユーザーが自然言語で科学的タスクを記述できるオープンソースのAI研究ワークベンチです。内蔵のエージェントが計画立案、文献検索、コード（Python/R/shell）の作成と実行、ローカルまたはリモート計算リソースでの実験実行を行い、すべてのステップを記録した再現可能なレポートを作成します。デスクトップアプリ、Webワークスペース、CLIとして利用可能で、カスタムLLM、ドメイン固有のスキルライブラリ、拡張可能なプラグインをサポートしています。

Doltは、MySQL互換のSQLデータベースであり、テーブルにGitスタイルのバージョン管理機能を追加します。使い慣れたGitコマンドやSQLシステムテーブルを使用して、データのフォーク、ブランチ、マージ、コミットが可能になり、共同作業やタイムトラベルが可能なデータワークフローを実現します。データ分析、再現可能な研究、AIエージェントのメモリなどに最適です。

さまざまなAIコーディングエージェントのコストを集約、検索、追跡し、セッションデータをローカルマシン上でプライベートに保持するためのローカルダッシュボードおよび分析ツールです。

Gadgetsと呼ばれるサンドボックス化されたAI生成ミニアプリを作成・実行し、Gatekeepersと呼ばれる能力ベースのセキュリティフレームワークで管理するAI生産性環境。

Spectrum-ts は、実世界のメッセージングチャネル（iMessage、SMS、メール、Slack、Telegram など）で動作する AI エージェントを構築するための TypeScript SDK です。統一された非同期イテレータ API、主要プラットフォーム向けの組み込みプロバイダー、オプションのホスト型インフラストラクチャ、およびグレースフルな起動キャンセルを提供します。`bun add spectrum-ts` でインストールし、Photon プロジェクト ID/シークレットを指定して、受信メッセージに返信する単純なループを記述します。

Hermes Agent 向けのネイティブ iOS クライアント。セルフホスト型 AI エージェントへの安全で直接的なインターフェースを提供し、チャット、音声、リモートダッシュボード管理をサポートします。

Claude Scholar は、Claude Code（および類似の CLI）向けのオープンソース、MIT ライセンスの拡張機能で、数十の既製“スキル”、エージェント、フック、ルールをまとめて提供し、コンピュータサイエンス/AI 研究者が文献管理、実験追跡、分析、論文執筆を自動化しながら、人間の判断を中心に据えることを支援します。Zotero 和 Obsidian 集成，提供完整安装脚本、选择性安装选项以及市场插件。

Mesh2Motion は、ユーザーが 3D モデルをインポートし、スケルトンを割り当て、アニメーションを適用してエクスポートできるオープンソースの Web アプリケーションであり、Mixamo などのツールに代わる柔軟でコミュニティ駆動の代替手段を提供します。

ローカル知識グラフエンジン。関連するプロジェクトルール、コード構造、意思決定履歴を自動的にワークフローに注入することで、AIコーディングエージェントに永続的で文脈を認識したメモリを提供します。

OpenAI API の公式 Python SDK。同期/非同期クライアント、型安全なリクエスト/レスポンスモデル、ストリーミング、ビジョン、リアルタイムオーディオ、柔軟な認証（API キー、ワークロード ID、X.509）を提供します。

LLMを活用して音声認識、字幕最適化、翻訳を行う、動画字幕処理のワンストップツール。

AI生成のモーション作品を厳選したコレクション。AIが書いたコード（Blender、Three.js、Canvasなどのツールを使用）で作成された1,400以上のアニメーションを、検索・再生可能なギャラリーにまとめ、カテゴリ、ソースリンク、プロンプトを備えています。

Amazon、Shopify、eBay、およびその他の主要プラットフォームの販売者向けに、専門的な電子商取引知識を提供する157のAIエージェントスキルのコレクションです。

AgenticSeekは、ウェブ閲覧、コードの作成・実行、マルチステップタスクの計画ができる、オープンソースで完全ローカルのAIアシスタントです。自分のハードウェア（Ollama、LM-Studioなど）で動作し、すべてのデータをローカルに保存。オプションで音声操作やウェブUIにも対応しています。

LLM 主導の制作ワークフローと、画像・動画・音声生成ツールを組み合わせた、ローカル AI クリエイティブスタジオ兼動画エディター。

Codewhaleは、幅広いAIモデルを使用してリポジトリタスク、ファイル編集、コマンド実行を自動化するオープンソースのターミナルベースのコーディングエージェントです。

DeepSeek Harness用プラグイン。AIエージェントが自然言語を使用してスプレッドシート、プレゼンテーション、レポートなどのオフィス文書を作成、編集、管理できるようにします。

GPUStackは、多様なインフラ環境全体でAIモデルのサービングとGPUインスタンスのプロビジョニングをオーケストレーションするオープンソースのGPUクラスターマネージャーです。

Skill Scanner は、AI エージェントの「スキル」（例：OpenAI Codex 或 Cursor エージェント）を対象とした Python ベースのセキュリティスキャナです。静的シグネチャ、AST データフロー分析、オプションの LLM 判定を組み合わせ、CEL ベースの決定層を備え、プロンプトインジェクション、データ流出、悪意のあるコードパターンを検出します。プリセットポリシー、CI/CD 統合（SARIF、GitHub Actions、pre-commit）、およびカスタムルールパックとクラウド LLM プロバイダーによる拡張性を提供します。

0 は、オープンソースの AI 駆動型セキュリティワークフロープラットフォームです。小さなバイナリをインストールし、LLM プロバイダーを設定して、ブラウザ UI、CLI、またはリモート MCP サーバーを介して、事前構築済みまたはカスタムのセキュリティテンプレート（コードレビュー、依存関係スキャン、スマートコントラクト監査など）を実行します。結果は証拠と推奨修正とともにローカルに保存され、システムは一般的な DevOps ツール（GitHub、CI、Slack 等）と統合されます。これは研究プレビュー用ツールで、MIT/Apache-2.0 ライセンスです。

N.E.K.O.は、音声、テキスト、視覚的理解を5層のメモリシステムと複数のアバター形式と組み合わせたオープンソースのAIコンパニオンです。ローカル（Python 3.11）で動作し、ワンクリックバイナリ、Docker、またはソースビルドからデプロイ可能です。機能には、プロアクティブなチャット、リアルタイムのマルチモーダル対話、エージェントスタイルのツール実行、プラグインマーケットプレイス、および14以上のLLMプロバイダーのサポートが含まれます。プロジェクトはApache-2.0ライセンスで、Discord/QQ/Steamの活発なコミュニティがあります。

Reasonix は、プロジェクト内のコードを読み取り、編集、実行できるオープンソースのローカル実行 AI コーディングアシスタントです。OpenAI 互換のモデル（DeepSeek プリセット含む）を任意に設定し、デスクトップアプリ、ターミナル、Web UI、または VS Code 拡張機能を介して操作できます。機能には、権限レベル、ファイルレベルの巻き戻し、プラグイン駆動ツール、マルチモデル構成、単一バイナリ配布が含まれます。プラットフォーム固有のインストーラー（2.x Studio）または npm（1.x CLI）でインストールし、平易な言語でタスクを記述して、アシスタントにあなたの監督下でコードを変更させます。

GPUパフォーマンスエンジニアリングを学び、高効率なAI推論システムを構築するための厳選された技術リソース集。

Prismor は、AI エージェント向けのランタイムセキュリティおよびガバナンスプラットフォームであり、エージェントのアクション、ツール呼び出し、ネットワークアクセスを監視し、ポリシーを適用して、プロンプトインジェクションやデータ漏洩などのセキュリティリスクを防止します。

テキスト、画像、または動画から編集可能な 3D アセット（メッシュおよび Gaussian Splattings）を生成・再構築するマルチモーダルワールドモデルフレームワーク。ゲームエンジンでの利用を目的としています。

Runner は、複数の AI コーディングエージェント（Claude Code、Codex、Copilot CLI など）を再利用可能なクルーに組み合わせられるネイティブ macOS/Windows アプリです。各エージェントは独自の実際のターミナルペインで実行され、ミッションフィードを共有し、バックグラウンドデーモンを通じて永続化されます。UI は分割ペイン、通知、テーマ、およびスクリプト駆動制御用の完全な CLI（`runner`）をサポートしています。

本プロジェクトは、スタンフォード大学のCS146Sコース「vibe coding」およびAI支援ソフトウェアエンジニアリングの完全な中国語翻訳を提供します。スライド、課題、読解資料を含み、AIネイティブ開発の最新の知見を中国語圏の学習者が利用できるようにします。

Pyramid は、高精度だが低速な参照計算と高速な機械学習ポテンシャルをインテリジェントに組み合わせ、力誤差法を用いて各計算をいつ呼び出すかを決定する、ab initio 分子動力学のための Python フレームワークです。適応型 MD、多重時間刻み、検証レイヤー、チェックポイント/再開、プラグインバックエンドをサポートし、拡張性と安全なワークフローに重点を置いています。

AstrBot フレームワーク向けのプラグインで、ベクトル検索とナレッジグラフを使用してユーザーの好み、関係性、履歴コンテキストを保存・取得することで、AI エージェントに長期記憶を提供します。

Rayは、PythonおよびAIアプリケーションを単一のノートパソコンから分散型クラスターへ拡張するための統一フレームワークであり、MLコンピューティングのためのコア・ランタイムと専門化されたライブラリを提供します。

Loop Engineering は、コードリポジトリ周辺に自律型LLMエージェントループ（例：デイリートリアージ、PRベビーシッター）を設計・実行・スコアリングできるCLIフレームワークです。事前準備済みのパターン、STATE.md永続化ファイル、セーフティチェックリスト、L1–L3の段階的スコアリングシステムを提供し、レポートのみから完全に監視不要な自動化へ移行できます。

人間、AIアクター、リモートエージェントが共有会話内で協働できるようにする、ガバナンスされた実行環境を提供する自己ホスト型AIワークスペース。

Microsoftが提供する、AIモデルをツールに接続するための標準規格であるModel Context Protocol (MCP)を初心者が学べる無料の実践的カリキュラム。6つのプログラミング言語によるコード例、50以上の言語への翻訳、基礎から本番環境構築までを網羅したモジュール構成が特徴です。

Seedance 2.0とAIエージェントの自動化を活用し、物語をマルチエピソードの動画シリーズに変換する構造化されたAI動画制作ワークフロー。

構造化された感情工学と自動検証を用いて、ヒット作のテンポと収益性を確保する、高コンバージョン短編ドラマ向けの産業規模の脚本執筆システム。

Letta は、永続的なメモリを備えたステートフルな AI エージェントを構築するためのオープンソースフレームワークです。CLI、セルフホストサーバー、チャネル統合（Slack、Telegram、Discord）、TypeScript SDK、およびメモリ用のオプションのクラウドストレージを提供し、エージェントが時間の経過とともに学習し、コンテキストを保持できるようにします。

edge‑tts は、Microsoft Edge のオンライン ニューラル テキスト読み上げサービスを呼び出す Python パッケージおよび CLI です。`pip`/`pipx` でインストールし、MP3/オーディオ ファイルを生成したり、即座に再生したりできます。数百の音声、レート/音量/ピッチの調整をサポートし、プログレス バーを表示します。このライブラリは Home Assistant、Podcastfy などのプロジェクトで使用されています。

画像、音声、3D分子構造の生成に使用・学習可能な最先端の拡散モデルを扱うモジュール式ライブラリ。