タグ: AIのオープンソースプロジェクト 29ページ

包括的な紹介 Ollama OCRは、Ollamaプラットフォームが提供する最先端の視覚言語モデルを使用して画像からテキストを抽出する、強力な光学式文字認識（OCR）ツールキットです。このプロジェクトは、Pythonパッケージとして利用できるほか、ユーザーフレンドリーなStreamlitウェブ・アプリケーション・インターフェースを提供しています。このツールキットは複数の...

包括的な紹介 FitDiTは、拡散変換器（Diffusion Transformers）に基づいた高忠実度のバーチャルフィッティングシステムである。Tencent AI Labによって開発されたこのプロジェクトは、衣服の詳細を表示するという従来のバーチャルフィッティングシステムの限界に対処することを目的としている。FitDiTは革新的に、衣服の詳細を表示することができる新しいアルゴリズムアーキテクチャを提案している。

概論 Thin-Plate-Spline-Motion-Model は、CVPR 2022 で発表された画期的な画像アニメーション生成プロジェクトである。このプロジェクトは、薄板スプライン変換の理論に基づき、ドライブビデオに基づく静止画像の高品質なアニメーションを実現する。このプロジェクトでは、教師なし学習フレームワークをエンド・ツー・エンドで用いて...

概論 DUIX（Dialogue User Interface System）は、シリコン・インテリジェンスが開発したAI主導のデジタル・ヒューマン・インタラクション・プラットフォームです。オープンソースのデジタル・ヒューマン・インタラクション機能により、開発者は大規模なモデリング、自動音声認識（ASR）、音声合成（TTS）機能を簡単に統合し、デジタル・ヒューマン・インタラクションを実現することができます。

包括的な紹介 Fayはオープンソースの3Dバーチャルデジタルヒューマンフレームワークであり、バーチャルショッピングガイド、バーチャルキャスター、アシスタント、ウェイター、教師、音声またはテキストベースのモバイルアシスタントなど、様々なアプリケーションシナリオのための言語モデルとデジタルキャラクタを統合している。

一般的な紹介 MOFA-Videoは、生成的な動き場適応技術を用いて静止画像を動的な動画に変換する先進的な画像アニメーション生成ツールです。東京大学とTencent AI Labと共同で開発され、European Conference on Computer Vision (ECCV) 2024で発表される。

一般的な紹介 AmurexはThe Personal AI Companyによって開発されたオープンソースのAIミーティングアシスタントで、インテリジェントな機能によってミーティングの効率を向上させることを目的としています。Amurexはリアルタイムのアドバイスの提供、インテリジェントな要約の生成、ミーティング内容の記録、フォローアップメールの自動送信が可能です。そのデザインは、透明性、安全性、...

概要 E2B Open Computer Useは、E2B Desktop Sandboxを通じて、安全なクラウドベースのLinuxコンピュータ利用体験を提供することを目的としたオープンソースプロジェクトです。E2B Sandboxは、ユーザが任意のLarge Language Model (LLM)に接続してコンピュータを制御できるデスクトップグラフィカル環境を提供し、...

包括的な紹介 エージェントラボラトリーは、研究者の研究アイデアの実現を支援するために設計された、エンドツーエンドの自律的な研究ワークフローです。このシステムは大規模な言語モデルによって駆動される専用エージェントで構成され、文献レビューや研究計画の策定から、実験の実行や統合論文の執筆に至るまで、研究ワークフロー全体をサポートします。

包括的な紹介 Kokoro-FastAPIは、Kokoro-82M音声合成モデルのサポートを提供するために設計されたDockerベースのFastAPIパッケージです。このプロジェクトはNVIDIA GPUアクセラレーションをサポートし、生の成長したテキストの音声出力をより効率的で首尾一貫したものにするためのキュー処理と自動スプライシングを提供します。このプロジェクトは ...

概要 CoolClineは、Cline、Roo Cline、Bao Clineの最高の機能を組み合わせた強力なコーディングアシスタントです。CoolClineはオープンソースプロジェクトです。

一般的な紹介 J.A.R.V.I.S. (Just A Rather Very Intelligent System) は、複数の最先端の言語モデルを使用して、開発者のコード生成、修正、技術的な議論を支援するように設計されたインテリジェントなコードアシスタントです。プロジェクトはDanilo Falcaoによって作成され、GitHub.J.R.V.I.S.でホストされている。

総合紹介 A_Share_investment_Agentは、マルチインテリジェンスシステムに基づくA株投資判断支援システムです。このシステムは、市場データの分析、銘柄の本質的価値の算出、市場センチメントの分析、ファンダメンタルズデータの分析など、複数のインテリジェンスが連携して売買シグナルを生成するように設計されています。このアプローチは...

概要 Company Researcher (カンパニーリサーチャー)は、ユーザーがあらゆる企業の概要を迅速かつ包括的に把握できるように設計された、フリーでオープンソースのツールです。企業のURLを入力するだけで、ツールはウェブから包括的な情報を収集し、組織、製品、資金調達、社会的存在...に関する情報を提示します。

一般的な紹介 GitPodcastは、GitHubのリポジトリをポッドキャストに変え、開発者がいつでもどこでもコードの更新を聞けるように設計された革新的なツールです。OpenAIとAzure Speech SDKを使って、GitPodcastはGitHubリポジトリをコミットログ、プルリクエスト、マイレージのポッドキャストに変えることができます。

概要 Paperless-AIは、Paperless-ngx文書管理システム専用に設計された革新的な文書自動化分析ツールです。OpenAI APIと、Ollama（Mistral、LLaMA、PHI-3、Gemma 2を含む）、...といった様々な先進AIモデルを巧みに組み合わせています。

包括的な紹介 NVIDIA Cosmosは、物理AI開発者がより良く、より速く物理AIシステムを構築できるように特別に設計された、開発者向けのワールドベースモデルプラットフォームです。このプラットフォームは、拡散や自己回帰をベースとしたワールドベースモデルを含む、様々な訓練済みモデルを提供します。

概論 miniLLMFlowは、「道は単純である」という設計哲学を強調した、わずか100行のコアコードからなる最小主義の大規模言語モデル（LLM）開発フレームワークです。このフレームワークは、AIアシスタント（ChatGPT、Claudeなど）を自律的にプログラムできるようにするために特別に設計されており、マルチインテリジェンス、タスク分解、...

包括的な紹介 Xiaozhi AI Chatbotは、ESP32開発ボードをベースにしたオープンソースプロジェクトで、ユーザーが独自のAIチャットコンパニオンを構築できるように設計されています。このプロジェクトはShrimpによって開発され、より多くの人がAIハードウェア開発を始め、大きな言語モデルを実際のハードウェアデバイスに適用する方法を理解するための教育目的で主に使用されています...