伸びている AI プロジェクト

MONAIフレームワークのチュートリアルとコード例のコレクションで、医用画像タスク向けのディープラーニングモデルを構築、トレーニング、デプロイする方法を示しています。

6自由度（6-DOF）船舶モデルと包括的な誘導・航法・制御（GNC）機能を備えた、海洋制御システム設計・試験用MATLABおよびGNU Octaveライブラリ。

Perch は、AI を活用したセマンティックリンティング CLI で、コードをスキャンし、意思決定モデル API に潜在的な欠陥を推論させ、信頼度スコア付きのランク付けされた問題を返します。カスタム自然言語ルールをサポートし、複数のモデルプロバイダーと連携し、CI やアシスタントツールと統合できます。

AIプロンプトやTerraformコードから、AWS、Azure、GCPのプロフェッショナルな図を生成するオープンソースのクラウドアーキテクチャ図生成ツール。

CortexはAPI仕様とMarkdownを一つのプロジェクト設定から、タイプ付きSDK、インタラクティブなドキュメント、AIエージェント用MCPサーバーに変換します。

モバイル、デスクトップ、AIハードウェア端末全体でリアルタイムの音声およびテキスト対話をサポートする、包括的なクロスプラットフォームのXiaozhi AIアシスタントクライアント。

InspireSkillは、AIコーディングアシスタントがInspireコンピューティングプラットフォーム上でリソース、ジョブ、ワークフローを自律的に管理できるようにするエージェントネイティブなCLIおよびツールキットです。

Vidu S は、リアルタイムでインタラクティブな動画生成とライブストリーム編集を行う研究システムです。Vidu S1（540p）は音声コマンドに反応；Vidu S2（720p）は高解像度アバター、参照画像編集、VR向けステレオ出力を追加します。速度は自己再再生強制学習とTurboDiffusion/TurboServeの推論最適化により実現され、エントリーレベルGPUで25–42 FPSを達成。オンラインデモ、REST API、エージェントスキルを提供し、英語/中国語の完全ドキュメントとarXiv論文を備えています。

ChatArchiveGuardは、チャットエクスポートファイル（テキスト、JSON/JSONL、SQLite）をローカルでスキャンして、シークレット/PIIパターン、フォーマットエラー、SQLiteの整合性を検出し、データを変更またはアップロードせずに集計数とカバレッジフラグを報告するPythonのみのCLIです。

複数のハードウェアベンダーにわたる利用状況、温度、電力のリアルタイム視覚監視を提供する、GPU および AI エンジン用の htop に似たタスクモニター。

trellis.cpp は、Microsoft の TRELLIS 2-4B 画像から 3D へのパイプラインの C++ GGML 実装です。単一の画像（または Stable Diffusion で生成された画像）を完全にテクスチャされた GLB モデルに変換し、ネイティブ C++ で完全に実行され、オプションの GPU バックエンド（CUDA、Vulkan、ROCm、Metal、Qualcomm HTP）をサポートします。CLI、Tauri ベースのデスクトップ UI（Trellis Studio）、およびプログラムによる使用のための HTTP サーバーを提供します。リポジトリには、背景除去、3 つのフロートランスフォーマーステージ、VAE デコーダー、メッシュ抽出、QEM デシメーション、UV アンラップ、WebP 圧縮 PBR テクスチャを含む完全なパイプラインが含まれており、プリビルドバイナリと GGUF モデルファイルが同梱されています。

C++ および Python で CUDA Toolkit の機能を示す CUDA 開発者向けのリファレンスサンプルのコレクションです。

複数デバイスからのアクセスと集中型データストレージを可能にするセルフホスト型AIロールプレイチャットプラットフォームです。

ComfyUI用のビジュアルプロンプトとLoRA支援スイート。アニメAIアート向けに設計され、4万以上のアーティスト、キャラクター、服装の検索可能なデータベースを備えています。

スクリプトの生成、ローカル音声クローンによる音声合成、および同期された単語レベルの字幕付きの関連動画クリップのマッチングを行う自動動画生成ツール。

TurboVLAは、ロボット操作のためのコンパクトな視覚・言語・動作モデルで、視覚入力とテキスト入力を直接融合し（DINOv3とBERTを介して）、連続的なアクションチャンクを予測します。RTX 4090上で32 Hzで動作し、< 1 GB VRAMを使用し、LIBEROで97.6 %、RoboTwin 2.0で88 %の成功率を達成しています。このリポジトリには、インストールスクリプト、トレーニング/評価コマンド、事前トレーニング済みチェックポイントが含まれています。

Jellyfin、Plex、Emby のデジタルメディアライブラリを、歩けるノスタルジックなVHS・DVDレンタル店の通路に変える3Dバーチャルビデオストア。

WeSightは、ローカルAIコードアシスタント（Claude Code、Codex、OpenCode）を統合したObsidianプラグインです。チャット、インライン編集、Git同期、中国のソーシャルメディアへの投稿をサポートし、データの大部分をデバイス内に保持します。

グロースハッキング、マーケティング、収益運用のためのオープンソースAIエージェントスキルの厳選ディレクトリ。SEOやメールから有料メディア、アプリストア最適化までをカバーする14のトピックカテゴリに整理されています。enso.botが編集し、外部のオープンソースリソースのみにリンクし、プルリクエストによるコミュニティ貢献を受け付けています。

NVIDIAによる、単一の画像または動画から3Dおよび4Dシーンを生成する一連のオープンな生成型3D世界モデル。

agtermは、シェルを名前付きワークスペースにグループ化し、スクリプトやAIエージェントがセッションの作成、コマンドの入力、ペイン分割、オーバーレイの実行、出力の読み戻しを行うための完全なコントロールAPI（`agtermctl`）を公開するミニマルなmacOSターミナルです。オプションのClaude/Codexスキルを統合し、エージェントが独自のレイアウトを管理してステータスを報告できるようにし、再起動後のライブセッションの復元をサポートします。AppleシリコンMac用の署名済みアプリとして、またHomebrewを介して配布されます。

RAG パイプライン向けの軽量で高性能なテキスト分割ライブラリ。複数の分割戦略とベクトルデータベースや埋め込みプロバイダーとの豊富な統合を提供します。

さまざまな機械学習フレームワークやデバイス上で分散型モデル訓練を可能にする、フェデレーテッド AI システム構築用フレームワークです。

Model-as-a-Service（MaaS）プラットフォームとライブラリで、複数ドメインにまたがる数百の最先端 AI モデルを統一インターフェースで発見、推論、ファインチューニングできます。

Everywhereは、.NET 10とAvaloniaを用いて構築されたクロスプラットフォームのデスクトップAIアシスタント（Windows/macOS）。アクセシビリティAPIを活用して画面内のコンテキストを取得し、グローバルホットキーでLLM（OpenAI、Anthropic、Geminiなど）に問い合わせ、マークダウンを含む豊富な回答を返します。ブラウザ／ファイル／ターミナルエージェント、豊かなUI、多言語UI、ローカルOllamaモデルのサポートを備えています。オープンソースで、LICENSEに従い、インストーラ、ポータブルzip、完全なビルド手順を提供しています。

Alibaba が開発した高性能 LLM 推論アクセラレーションエンジンで、プロダクション規模のデプロイにおけるスループットとレイテンシを最適化します。

Company Research Agent は、FastAPI + React で構成されたアプリです。会社名を入力すると、自動的にウェブ検索（Tavily 経由）を行い、ソースを評価し、OpenRouter 互換の LLM（または OpenAI/Gemini）を使用して、構造化されたソース付きのブリーフィングを生成します。結果は UI にライブストリーミングされ、PDF としてエクスポートできます。オプションで MongoDB 永続化と Docker デプロイをサポートしています。

LitGPTは、エンタープライズ規模で20以上の人気LLMを事前学習、微調整、デプロイするための高性能で抽象化のないツールキットです。

豆包、Dola、通義千問のチャット会話から透かしのない画像や動画を抽出するAPIサービスおよびブラウザ拡張機能スイート。

厳格な品質チェックを経た厳選RSSフィード集（718フィード、16個のOPMLバンドル）と、AI要約、翻訳、ポッドキャスト再生、FreshRSS同期機能を備えたmacOS用リーダーアプリ。

Apache AGE は、マルチモデルグラフデータベース機能を追加する PostgreSQL 拡張機能であり、ユーザーは標準のリレーショナル SQL と並行してグラフクエリを実行できます。

Lorca は、セルフホスト型でエンドツーエンド暗号化されたボットオーケストレーションプラットフォームです。自分のマシンでボットを実行し、グループチャットで連携させることができます。デスクトップアプリ、CLI、モバイルアプリが含まれており、複数のAIプロバイダーをサポートし、クラウドボットサービスのプライベートな代替手段を提供します。

Blender、Three.js、Unreal Engine、Unity、ブラウザで3Dゲーム、シーン、インタラクティブな世界を構築するためのGPT-6 Astraプロンプト358選。14言語に対応し、12件はソースコード付き。

本番環境に対応した自律型AIエージェントを構築するための、再利用可能なアーキテクチャパターンとワークフローのキュレーションされたエビデンスベースのカタログ。

Google DeepMind による教育リソースで、TPU ハードウェア上で大規模言語モデルをスケーリングし、一般的な通信ボトルネックを回避する方法を説明しています。

AIエージェント向けに設計された、TypeScriptライクな構文を持つ高性能プログラミング言語。コンパイラがコードエラーを修正するための実行可能なJSON編集案を提供します。

単一の Rust バイナリとして提供される、自律的かつ自己改善型の AI エージェント。ターミナル上でローカルに動作し、テレメトリは一切なく、複数の LLM プロバイダーをサポートします。

セルフホスト向けのオープンソース・オフライン音声文字起こしアプリ。プライベートなローカル文字起こし、話者分離、AIによる文字起こし内容とのチャット機能を提供します。

AIが生成したペルシア語テキストの「AIくさい」散文を除去し、フォーマットエラーを修正するプロフェッショナルなペルシア語ライティングおよびRTL文書ツールキット。

事前学習済み言語モデルを重み空間でマージするためのツールキット。追加の学習や推論コストの増加なしに、複数のモデルの強みを組み合わせることが可能です。

軽量なブロック拡散モデルにより、推測的デコードにおける効率的で高品質な並列ドラフト生成を実現し、LLMの生成速度を高速化します。

Chubby Skills は、クリエイターが動画、ポッドキャスト、記事、ローカルドキュメントをキャプチャし、完全なソースメタデータ付きの検索可能な Markdown に変換し、AI エージェント向けの引用付きマテリアルパックをエクスポートできる Python ベースのツールキットです。デフォルトでオフラインで動作し、オプションの文字起こしとエンリッチメントを提供し、エージェント統合のための軽量 MCP サーバーを備えています。

個人用AIアシスタント向けの1年間のコンテキスト管理システムの参考実装。AIのパーソナとユーザーの好みのテンプレート、3段階のメモリストア、および日々の観察をインジェストし週次に振り返りを生成する定期スクリプトを提供。このリポジトリは即時利用可能なツールではなく、個人データを入力し、公開スキルプラグインを追加するオプションで独自のコンテキスト対応AIを構築するためのブループリントである。

Claude Office Visualizer は、Claude Code のエージェント活動をアニメーション表示するオープンソースのリアルタイムピクセルアートダッシュボードです。FastAPI バックエンド、Next.js + PixiJS フロントエンド、および Claude イベントをビジュアライザーに送信するフック/プラグインが含まれています。機能には、複数フロアのナビゲーション、セッション横断のコマンドセンター、12 のホワイトボード表示モード、Git ステータスパネル、Claude OAuth トークンによるオプションの AI 生成名/要約があります。`make install-all` でインストールし、`make dev-tmux` を実行して http://localhost:3000 でオフィスを表示するか、提供されている Docker セットアップを使用します。

NVIDIAの LocateAnything-3B の C++/ggml 推論移植版で、Pythonランタイムを必要とせず、CPUおよびGPU上で高速なオープンボリュームオブジェクト検出を実現します。

ロールプレイのための高度なツール（マルチAPIサポート、長期記憶システム、没入型ビジュアルアセットを含む）を提供する、クロスプラットフォームのAIチャットアプリケーション。

CyberVerseは、WebRTCを通じて見て、聞いて、話すことができるリアルタイム・デジタルヒューマン・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。キャラクターの記憶、RAG、ツール呼び出し、およびオプションのデジタルヒューマンアバター（写真1枚から生成）を組み合わせ、全二重対話とマルチエージェントタスク委任を備えた音声中心のAIキャラクターを作成します。

AvatarAIは、任意のポートレート写真と短い音声サンプルを、リアルタイムで口パク付きの会話可能なアバターに変換できるオープンソースでプロダクション対応のシステムです。Whisperによる音声認識テキストを、選択可能なLLM（Claude、GPT-4o、またはローカルのOllama/vLLM）にストリーミングし、生成されたテキストを多言語TTS（Chatterbox/XTTS）に送信し、MuseTalk V1.5で動画フレームをレンダリングします。Next.jsフロントエンド、FastAPIバックエンド、PostgreSQL、Redis、Celery、Prometheus、Docker-Composeをスタックに含み、ワンクリックAWS GPUデプロイもオプションです。ゼロショット音声クローン、バージイン中断、マルチLLMサポート、JWT認証、会話記憶要約、GFPGANによる顔修復などの機能を備えています。