伸びている AI プロジェクト

Chromaは、類似性検索のための埋め込み（embeddings）の保存、検索、およびインデックス作成を簡素化する、AI向けのオープンソースのベクトルデータベースです。

エージェントとワークフローを構築するための TypeScript フレームワークと、本番環境のオブザーバビリティおよび運用コンソールを組み合わせた、エンドツーエンドの AI エージェント・エンジニアリング・プラットフォームです。

このプロジェクトは、AIを活用したEコマース向けビジュアルプランニングツールです。生の製品データを、デザイナーやAI画像生成ツールが利用できる、構造化されたコンプライアンス準拠の高コンバージョンなビジュアルアセットに変換します。

Gemini Notebook へのプログラムによるアクセスを提供する CLI および MCP サーバー。ノートブック管理の自動化や、Gemini の RAG 機能を AI エージェントやローカルワークフローに統合することが可能です。

Paper2Agentは、研究論文（およびそのコード）を自動的に実行可能なMCPサーバーに変換し、論文の手法をAIが呼び出し可能なツールとして公開するマルチエージェントPythonシステムです。ユーザーは「paper2agent」スキルをコーディングアシスタント（Claude Code、Codex、Gemini CLI）にインストールし、論文のURLを「エージェント化」するように指示します。システムは専門のサブエージェントを生成し、論文の解析、隔離された環境のセットアップ、元のコードのラップ、検証テストの実行を行い、すべてを使用手順とともにZIPファイルにまとめます。生成されたサーバーはローカルで実行するかHugging Faceでホストでき、その後コーディングアシスタントに接続して対話型の科学的クエリを実行できます。

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。

Applio は、高品質な音声変換のためのクロスプラットフォームのデスクトップアプリです。Gradio ベースの Web UI、ワンクリックインストーラー、オプションの TensorBoard モニタリング、新しい音声モデルを追加するためのプラグインシステムを提供します。このツールは、事前学習済みの音声変換モデル（例：RVC）をラップし、コーディングなしで簡単な音声交換機能を必要とするクリエイター、開発者、研究者を対象としています。

オープンソースのAIエージェントスキルのキュレーションされたディレクトリで、コーディングアシスタントがSwiftおよびAppleプラットフォームのコードをより良く書くのを支援します。開発者に、AIコーディングツールに専門家レベルの知識を見つけて統合するための中央ハブを提供します。

AIアシスタント、チャットボット、デスクトップペット向けの32のデータ駆動型感情状態を提供する、依存関係ゼロのSVGおよびJavaScript表現エンジン。

SRSは、RTMPやWebRTCなどの複数のストリーミングプロトコルを、さまざまなハードウェアアーキテクチャでサポートする高パフォーマンスでAI駆動のリアルタイムメディアサーバーです。

多様なAIコーディングエージェントと開発ツール（Claude Code、Codex、Gemini CLIなど）をパッケージ化し、毎日更新するNixフレークです。単一のnix runコマンドでインストールして実行できます。

Open LLM Leaderboardのバックエンドとして機能し、多数の標準的な学術ベンチマークで生成言語モデルを評価するための統一フレームワーク。

ContextGem は、LLM と低コストの決定モデルを使用して、ドキュメントから構造化された型付きの事実を抽出するためのオープンソースの Python ライブラリです。アスペクト（テキストセクション）とコンセプト（型付き値）を平易な言語で宣言します。ライブラリはプロンプトを自動生成し、各抽出を適切なモデルにルーティングし、出力を検証し、各事実をソース段落とオプションの正当化とともに返します。決定モデルからの確率ベースの回答、バッチ処理、完全なドキュメントをサポートしています。

Rowboatは、オープンソースのローカルファーストなパーソナルAIアシスタントで、あなたの仕事（メール、メッセージ、チャット、ノート）を編集可能な知識グラフに継続的にインデックスし、そのコンテキストを使用してメールの下書き、ミーティングノートの取得、ウェブブラウズ、コーディングエージェント（Claude Code/Codex）の駆動を行います。完全にローカルでデフォルトでプライベートであり、任意のモデルで動作し、オプションで「スペース」を介してチームメイトを接続できます。スペースは、別のオープンソースサーバーであるHarbor上の共有ルームで、各人のRowboatは自分のコンテキストでのみ動作し、ユーザーが共有を選んだものだけを投稿します。

Terminal-Bench-Science は、生命科学、物理学、地球科学、数学、工学の各分野における、専門家が厳選した挑戦的な研究ワークフローにおける AI エージェントの評価のためのベンチマークです。リーダーボード、タスクダッシュボード、貢献パイプラインを提供し、科学研究におけるエージェントの能力を測定し、向上させます。

このプロジェクトは、動画制作パイプラインを再利用可能なAI「スキル」にパッケージ化し、AIエージェント（Claude CodeやCodexなど）が1行のトピックから完成した動画を最小限の人間の労力で生成できるようにします。

Webカメラを使用したAIモーションキャプチャアプリケーションで、VTubingやXR向けに3Dアバター（VRM/MMD）をリアルタイムで動かします。

機械学習のためのエンドツーエンドのオープンソースプラットフォーム。MLを活用したアプリケーションの構築とデプロイに必要なツールとライブラリを提供します。

機械学習フレームワーク、ライブラリ、ツールを言語別に厳選したリスト。追加リソースと明確なメンテナンスルール付き。

Knowledge Catalogは、動的な知識グラフを作成して、AIエージェントが構造化データと非構造化データを理解するために必要なビジネスコンテキストとセマンティクスを提供するメタデータ管理プラットフォームです。

Markdownからテーマ付き画像カードを自動生成し、小紅書にノートとして投稿するツール。

AIを使ってスクリーン活動を時系列のタイムラインと検索可能な作業履歴に変換する、Mac用のプライベートで自動的な作業日記です。

デプロイ可能なAIエージェントを構築するための28の本番グレードのチュートリアルを集めたオープンソースコレクション。オーケストレーション、メモリ、デプロイ、セキュリティまでを網羅し、付属の書籍、YouTubeチャンネル、コミュニティリソースも含まれます。

LLM向けの高パフォーマンスCUDAカーネルライブラリ。GEMMおよびMoE演算を最適化し、実行時のJITコンパイルとNVIDIA SM90/SM100 GPUでの極めて高いスループットを実現します。

単一または複数の画像から空間的に一貫した3Dジオメトリ、深度マップ、カメラポーズを、統一された深度-レイ表現を用いて予測するモデル。

Pi-Harnessは、Pi Coding Agentのためのデスクトップワークスペースであり、ネイティブなエージェント体験に視覚的な管理、実行制御、リカバリツール、およびマルチエージェントオーケストレーションを追加します。

Llamaは、ハードウェアに合わせてモデルを自動設定し、他のアプリが利用できるローカルAPIを提供することで、ローカルAIモデルの実行を簡素化する軽量なmacOSメニューバーアプリケーションです。

0.1Bパラメータの多言語対応、極小サイズの音声生成モデル。リアルタイム推論と高精細ボイスクラーニングをCPU上で実現。

ZCode Proxy は、Zhipu AI コーディングサブスクリプションを標準の OpenAI/Anthropic API エンドポイントに変換するローカルツールで、あらゆる AI 搭載コーディングツールで GLM モデルを使用できるようにします。

HelloAgents は、LLMの関数呼び出しインターフェースを使用するモジュール式マルチエージェントアプリケーションを構築するための Python ライブラリです。事前構築済みエージェント、ツールレジストリ、コンテキスト処理、RAG/メモリストア、サブエージェント、ストリーミング、観測性を提供し、OpenAI互換、Anthropic、Gemini サービスに対応するアダプタを備えています。

Chat On Steroidsは、ChatGPTの会話からファイルの読み書き、コマンドの実行、ブラウザの自動化を可能に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。OpenAIのMCPプラグインAPIを活用し、タスクを永続的な「ワーカー」に分割します。目標をモデルに送信し、提案されたアクションを実行して結果をフィードバックするループを提供します。提供されているバイナリからインストールし、ChatGPTでカスタムMCPアプリをペアリングし、コンパニオンブラウザ拡張機能を読み込んでタスクを入力するだけで、ローカル環境でモデルがコーディング、テスト、反復を行う様子を確認できます。本プロジェクトは責任ある利用を重視しており、OpenAIの制限を回避するものではなく、MITライセンスで提供されています。

Nanobrowser は、大規模言語モデルがブラウザ内でユーザーとして動作することを可能にするオープンソースの Chrome/Edge 拡張機能です。サイドパネルでタスクを入力すると、エージェントがページを読み取り、クリック、入力、タブの切り替え、ファイルのアップロード/ダウンロードを行います。多くのクラウド LLM プロバイダーとローカルモデル（Ollama、LM Studio など）をサポートし、Ask/Auto モード、サイトごとの権限、音声入力、メモリ、マルチタスクを提供し、API キーとページデータをプライベートに保ちます。Chrome ウェブストアからインストールするか、Node 24 と pnpm 10 でソースからビルドできます。

Hojo-TTS-Lightは、CPUやエッジデバイス上で効率的に動作しつつ、高品質な音声を維持するように設計された超軽量のバイリンガル音声合成モデルコレクションです。

AIエージェントとRemotionを活用し、中国語の物語や画像を垂直方向の手描き風アニメーションに変換するツール。327種類のアートスタイルを備えた巨大なライブラリを搭載。

ClaudeがURLやローカルファイルからの動画を「見る」能力を提供するスキル。キーフレームと字幕を抽出することで、マルチモーダル分析が可能になります。

音声認識、翻訳、ボイスクローニングを統合し、自動吹き替えと多言語コンテンツ制作を可能にするAI搭載マルチメディアツール

Claude Code と Codex 向けのスターターキットで、構造化されたコンテキスト収集、信頼性監査、3D知識可視化を通じて、AIアシスタントをパーソナライズされたAIオペレーティングシステムに進化させる

Agent Router は、Envoy を搭載したオープンソースのコントロールプレーンで、多数の LLM プロバイダーやセルフホスト型推論クラスターへのリクエストルーティングのための単一の OpenAI 互換 API を提供し、Kubernetes CRD と CLI を介して認証、クォータ、フェイルオーバー、使用状況追跡を処理します。

AIアシスタントにGoogle Workspaceサービス（Gmail、Calendar、Drive、Docs、Sheetsなど）の自然言語制御を提供するModel Context Protocolサーバー。120以上のツール、マルチユーザーOAuth 2.1、安全なデプロイオプションを備えています。

ローカルコーディングエージェントとプラグイン可能なHTMLベースのレンダリングエンジンを使用して、テキスト、記事、またはGitHubリポジトリをアニメーションMP4ビデオに変換するためのメタレイヤー。

RAGとセマンティック検索を利用して、ユーザーがライブラリとチャットしたり、プライベートな知識ベースを構築したりすることを支援する、ローカルファーストのAI電子書籍リーダー。

zeroshot は、AI エージェントのワークフロー（コーディング、レビュー、修正、納品）を有向グラフとして表現し、構築・実行できるオープンソースの CLI です。各ステップで異なる LLM を使用でき、エンジンはレビューゲート、再試行制限、オプションの Git/GitHub 納品を強制します。実行は SQLite 台帳に記録され、ローカル、Docker、または zeroshot Cloud で実行できます。

Kandev は、複数の AI コーディングエージェントを並列でオーケストレーションするためのオープンソースのコントロールプレーンで、かんばんタスク管理、マルチエージェントワークフロー、統合レビューワークスペースを備えています。エージェントベースの開発をスケールさせながら、何を出荷するかを人間が制御し続けるという問題を解決します。

14の専門スキルと強制レイヤーを備えたコレクション。AIアシスタントがn8n-mcp MCPサーバーを使用して、本番環境対応のn8nワークフローを構築、検証、デプロイできるように支援します。

GVHMRは、単眼ビデオから世界座標系に接地された3D人体動作を復元するSIGGRAPH-Asia 2024の研究コードベースです。視覚オドメトリ（DPVOまたはSimpleVO）と重力に合わせた座標系を組み合わせ、すぐに実行可能なデモスクリプト、Colab/HuggingFaceデモ、および3DPW、RICH、EMDBでのベンチマーク結果を再現するためのスクリプトを提供します。

Kaggleの無料TPU v5e-8ハードウェアでオープンLLMを実行するためのツールキットで、コーディングエージェント向けの公開OpenAI/Anthropic互換APIエンドポイントを提供します。

Facetは、各画像を9つの品質指標でスコアリングし、選別、顔認識、セマンティック検索、共有リンク、オプションのGPUアクセラレーションAIを備えたウェブギャラリーを提供する、プライベートなセルフホスト型写真マネージャーです。すべてオフラインで動作し、クラウドアカウントは不要です。

Mikeは、Next.js Web UI、Express API、Supabase/Postgres、Cloudflare互換ストレージを組み合わせたオープンソースのリーガルAIプラットフォームです。LLM（ローカルのOllamaを含む）を使用して、法務ドキュメントのチャット、編集、レビューを行うことができます。Microsoft Wordアドイン、Gmail/カレンダー用コネクタ、再利用可能なワークフローが含まれており、Docker Composeを使用してローカルで実行可能です。