伸びている AI プロジェクト

AI Storyは、短いテキストプロンプトを完全なショートビデオに変換するDockerベースのWebプラットフォームです。プロンプトを自動的にスクリプトに書き換え、絵コンテを作成し、複数のAI画像サービスを通じて画像を生成し、カメラワークを計画して最終的なビデオをレンダリングします。これらすべてがDjango、Celery、Redis、Vueフロントエンドによって調整されます。

Three.jsとプロシージャルマテリアルを使用して、AIエージェントがインタラクティブで自己構築する3D建築ミニチュアを生成できるポータブルなエージェントスキル。

Anomalibは、さまざまなハードウェアプラットフォーム全体で最先端の視覚的異常検知モデルをトレーニング、ベンチマーク、およびデプロイするためのモジュール式フレームワークを提供するディープラーニングライブラリです。

pyannote.audio は、話者ダイアライゼーションのためのオープンソースの Python ツールキットであり、最先端の事前学習済みモデルとパイプラインを提供し、さらにファインチューニングして性能を向上させることができます。また、pyannoteAI を通じてプレミアムクラウドサービスも提供しています。

プロの映画制作とドラマツルギーの原則を適用して、AIビデオおよび画像モデル用の高精度プロンプトを生成するAIエージェントスキルのツールキット。

Claude-Skillsは、AIアシスタントをボード準備、製品計画、コンプライアンス監査、コードレビュー、マーケティングなどのタスクのスペシャリストに変える385個の既製スキルライブラリです。正確な計算のためのPythonツールをバンドルしており、11種類のAIアシスタントで動作し、推測を避けるために「書き込む前に尋ねる」アプローチを採用しています。

GithubStarsManager は、Electron ベースのデスクトップアプリで、GitHub のスターを同期し、AI 生成の要約、タグ、カテゴリで各リポジトリを充実させ、Cloudflare Vectorize を介してセマンティック検索できます。また、リポジトリ Q&A アシスタント、リリース追跡タイムライン、Fork 和 Gist 管理、发现信息流，以及可选的自托管后端用于跨设备同步。支持多种 LLM 提供商、本地优先数据存储，以及用于 AI 代理的 Model Context Protocol 服务器。

GR00T N1.7 は、言語とカメラ入力からロボットが操作タスクを実行できるようにするオープンな視覚-言語-動作モデルです。視覚-言語バックボーンと拡散アクションデコーダーを組み合わせ、クロスエンボディメント汎化をサポートし、エッジデバイスで微調整および展開できます。

世界観、キャラクター、プロットの設計を支援し、専門のAIディレクターによる章ごとの執筆を可能にするオープンソースのAI小説執筆スタジオ。

自分のPCをローカルなOpenAI互換APIサーバーに変えるAIランタイムで、CPU、GPU、NPUバックエンドでLLM、音声、画像生成、オーディオ生成をサポートします。

セキュリティスキャン、コード監査、バイナリ分析を含むサイバーセキュリティワークフローを自動化するためのモジュラーエージェントフレームワーク。

JourniOne‑Planning‑Skillsは、JourniOneプラットフォームにAI駆動の旅行計画機能を追加するオープンソースのNode.jsスキルです。ユーザーが自然言語で旅行の希望を伝えると、日ごとの旅程を作成し、ホテル（TourMind経由）やフライト（Kiwi.com経由）を検索・比較し、キャンセル条件を確認した上で、視覚的で共有可能な旅行日誌を生成します。インストールにはTourMindホテルスキルとKiwi MCPが必要で、バックエンドのLLMはjournione.aiでホストされています。

SEO-proは、ページURL、ドラフト、またはSearch Consoleのエクスポートデータを、検証ステップ付きの優先順位付けされたSEO修正案に変換するChatGPTプラグインです。ChatGPT内で直接動作し、APIキーや外部のSEOアカウントは不要で、提供された証拠のみを使用します。

Awesome RSI は、AI システムが自身の改善方法を改善する方法に関する研究をコミュニティがキュレーションしたリストであり、詳細な分類法で整理され、真の再帰的自己改善と見なされるものの慎重な定義が含まれています。

100以上の即時インポート可能なAI「人格スキル」（プロンプトテンプレート）の公開コレクション。作家、有名人、歴史的テキスト、SNSインフルエンサー、マルチエージェントチームをカバー。OpenClaw/StepClawおよびnuwa-skill形式と互換性があり、開発者がLLMに一貫した声を与えたり、協働エージェントチームを即座に運用できる。

Mnemosyne は、LLM エージェント向けのオープンソースで SQLite バックエンドのメモリレイヤーです。ローカルファースト、ゼロクラウドのソリューションを提供し、Python SDK、組み込み MCP サーバー、オプションの暗号化同期を備えています。システムは、3 層 BEAM アーキテクチャ（作業記憶、エピソード記憶、トリプルストア）を使用して事実、埋め込み、時間的トリプルを保存し、SQLite 内でハイブリッドベクトルキーワード検索を実行します。多くのエージェントプラットフォーム（Claude Code、Cursor、OpenWebUI、Hermes など）と統合し、単一の `pip install` と最小限のリソースで実行できます。

AIエージェント向けのブラウザ自動化フレームワーク。不正検出防止機能を備え、インデックス付きテキスト形式によるトークン効率的なウェブ操作を提供。

テーブルデータおよびリレーショナル構造化データの効率的な処理と予測を行うための、基礎モデルとテンソルサブクラスを提供するGPUネイティブライブラリ。

永続的なテキストベースのメモリ、音声インタラクション、ビジュアライザー、ウェブカメラベースのジェスチャー制御を備えたマルチモーダルAIエージェントを構築するフレームワーク。

SupabaseとPostgres開発に特化した知識とベストプラクティスをAIエージェントに提供する標準化されたスキルパッケージのコレクションです。

RAGを活用したAI駆動のカード型ノートアプリで、自己ホストされたノートを自然言語で検索可能にします。

AI エージェント向けのオープンソース協調 OS で、複数のエージェントがスレッド、ファイル、ブラウザを共有して協力できる統合ワークスペースを提供します。

Cache-to-Cache (C2C) は、LLMの内部KV-Cacheを投影および融合することでモデル間が直接通信できるようにするフレームワークであり、テキスト生成を介さずに速度と精度を向上させます。

Hermes Agentを搭載した対話型AIインターフェースにより、従来のメニューやフォルダーを置き換え、ファイル、アプリ、システムタスクを管理するエージェントネイティブなオペレーティングシステム。

データベースやファイルに接続し、データ分析とレポート作成のために自律的にSQLとコードを生成するオープンソースのエージェント型AIデータアシスタントです。

PyMuPDF は、PDF やその他のドキュメント処理のための高性能 Python ライブラリであり、高速なテキスト抽出、レイアウト分析、変換、レンダリング、操作を提供します。Markdown や JSON などの LLM 対応出力を提供し、ローカルで実行され、OCR、テーブル、フォーム、編集をサポートします。

シミュレートされたMMO環境内で自律エージェントを開発・テストするための研究指向フレームワーク。目標指向のプログラム合成やマルチエージェントシステムの学習を目的としています。

オープンソースプロジェクト向けの1クリックランチャーで、ターミナルベースのソフトウェアのインストールと実行を自動化するユーザーフレンドリーなUIを提供します。

エージェント型 AI 向けの特化型意思決定モデルで、テキスト生成のオーバーヘッドなしに高速かつ信頼性の高い分類・スコアリングタスクを実行します。

Claude Code や Cursor などのツールで使える Markdown スキルとしてエクスポート可能な、AIエージェントのオーケストレーションをキャンバス上で視覚的に設計できるワークフローデザイナー。

MCP TypeScript SDK は、Model Context Protocol (MCP) サーバーとクライアントを構築するためのTypeScriptライブラリを提供し、LLMにツール、リソース、プロンプトを標準化され、タイプセーフに提供できるようにします。Node、Bun、Denoで動作し、人気のあるウェブフレームワーク向けのミドルウェアを備え、ドキュメント、例、移行ガイドも提供しています。

Model Context Protocol (MCP) は、AIモデルがデータソースやツールに接続するためのユニバーサルな方法を提供するオープンスタンダードであり、カスタム統合の必要性を低減します。

AutoSubsは、オフラインで音声/動画から字幕を生成するクロスプラットフォームデスクトップアプリ。話者ラベル付け、多数のローカル音声認識モデル、DaVinci ResolveおよびAdobe編集ツールとの直接統合を提供。

NVIDIA NeMo Guardrails は、LLM ベースの会話型アプリケーションにプログラム可能な安全性と制御レイヤーを追加するオープンソースツールキットです。設定可能なレールと Python に似た対話言語（Colang）を使用して、不要なトピックを防ぎ、脱獄やインジェクションを検出し、出力のファクトチェックを行い、ツール呼び出しを管理します。また、一般的な LLM や LangChain と統合できます。

AIモデルとビジュアルエディタを活用して、テキスト検出、OCR、翻訳、タイプセットを自動化する包括的なマンガ翻訳ツール。

OpenAI互換インターフェースを介して、リクエストの分散、使用状況の追跡、APIキー管理を可能にするChatGPTアカウント用のロードバランサー兼プロキシです。

AIオーケストレーション、RPA自動化、モデル管理を統合したエンタープライズグレードのエージェンティックワークフロー開発プラットフォーム。本番環境に対応したAIエージェント向けです。

openTPUは、Xilinx Kintex‑7 FPGA上に構築されたオープンソースのAIアクセラレータです。リポジトリには、ハードウェアRTL、カスタム32‑bit ISA、Pythonシミュレータ、カーネル言語/コンパイラ、およびチャット、サービング、監視、プロファイリング用のホストツールが含まれています。PCIeカード上で実際のLLM（230 M‑35 Bパラメータ）を実行し、4‑bit量子化で最大約86 tokens/sを達成し、DRAM使用率はDDR3のピークに近い値となります。このプロジェクトは、機能的な推論プラットフォームであると同時に、ハードウェアを意識したAI研究のための学習リソースでもあります。

AIとの対話やプロジェクト資産を構造化されたデスクトップおよびモバイルインターフェースに整理する、ビジュアルワークスペース兼CLIエージェントマネージャー。

Windows向けのローカル音声制御アシスタント。ローカルおよびクラウドベースのLLMを組み合わせて、PCタスク、スマートホームデバイス、Webサービスを自動化します。

『Agentic Design Patterns』の中国語翻訳プロジェクト。AIエージェントの設計パターンを扱う。全32ファイルが翻訳され、レビュー中。GitHubのプルリクエストでの貢献を歓迎。

PDFやWordドキュメントなどの非構造化ドキュメントを取り込み、LLMワークフローに適した構造化フォーマットに前処理するためのオープンソースライブラリ。

アクセシビリティツリーの読み取り、スクリーンショット、ユーザー入力のシミュレーションを通じて、AIエージェントが複数のウィンドウマネージャー上でLinuxデスクトップを制御できるようにする、RustベースのMCPサーバーおよびCLIツール。

AIコーディングアシスタント（Cursor、Claude、Codexなど）がSolanaのAPIを参照し、オンチェーンデータを照会し、署名されていないトランザクションペイロードを1つのHTTPエンドポイントで構築できる、パブリックなModel Context Protocol (MCP) サーバー。リポジトリにはサーバーのレジストリメタデータ、さまざまなAIプラットフォーム用のプラグインマニフェスト、例示設定スニペット、GitHub Actionベースのパブリッシングワークフローが含まれます。

Letta Codeは、AIエージェントが自己反省と永続的な状態管理を通じて、長期記憶を保持し、新しいスキルを学習し、時間の経過とともに自身の行動を進化させることを可能にするステートフルなエージェントフレームワークです。

実験的なブラウザAPIであるWebMCP（AIエージェントがウェブページ上の構造化ツールを呼び出せるようにする）を試すためのツールボックス。Chromeインスペクタ、CLI評価ツール、スキルライブラリ、ポリフィル、および宣言的/命令的なツール使用法の両方を示す多数のデモアプリが含まれます。

TensorRT‑LLM は、大規模言語モデル（およびビジュアル生成モデル）を超高速 TensorRT 推論エンジンにコンパイルする NVIDIA のオープンソースライブラリです。カスタム CUDA カーネル、量子化、スパースアテンション、投機的デコード、マルチ GPU 並列処理を提供し、精度を維持しながらトークンスループットを 2〜10 倍向上させます。Python フレンドリーなランタイムは Triton、Kubernetes、Jetson と統合され、GPT‑OSS‑120B、Llama‑4、DeepSeek‑R1、拡散モデルなどのドキュメントと例が含まれています。

パフォーマンストレースを分析するツールチェーンと、エキスパートレベルのSwiftUIベストプラクティスを提供するポータブルなエージェントスキル。