タグ: AIのオープンソースプロジェクト 3ページ

包括的な紹介 RolmOCRは、Reducto AIチームによって開発されたオープンソースの光学式文字認識（OCR）ツールで、Qwen2.5-VL-7B視覚言語モデルに基づいています。類似のツールolmOCRよりも高速に画像やPDFファイルからテキストを抽出することができ、メモリフットプリントも小さくなっています。

包括的な紹介 KrillinAIは、ユーザーがビデオを翻訳し、自動的にそれらをダビングするために人工知能を使用することに焦点を当てたオープンソースのビデオ処理ツールです。動画のダウンロードから始まり、様々なプラットフォームに適応した完成品の生成まで、全てのプロセスは数クリックで完了する。開発者はGitHubで無料のコードを提供しており、ユーザーは...

包括的な紹介 AiryLarkは、Next.jsフレームワークに基づいて開発者wizdによって構築された、GitHub上でホストされているオープンソースの文書処理および翻訳ツールです。様々なファイル形式（PDF、Word、TXT、Markdownなど）の入力と処理をサポートし、インテリジェントな翻訳機能を提供します。ユーザーは ...

一般的な紹介 Zolaは、開発者Julien Thibeaut（GitHubユーザー名ibelick）によって開発され、GitHubでホストされているフリーでオープンソースのAIチャットアプリケーションである。最大の特徴は、OpenAIやMistralといった複数のAIモデルをサポートしていることで、ユーザーは異なるAIモデルを自由に選択することができます。

包括的な紹介 DeepResearcherは、上海交通大学のGAIR-NLPチームによって開発されたオープンソースプロジェクトです。大規模言語モデル(LLM)をベースとし、強化学習(RL)を通じて実際のネットワーク環境でエンドツーエンドの学習を行うインテリジェントな研究ツールです。このプロジェクトは、ユーザが複雑な研究を効率的に完了できるようにすることを目的としています。

AnimeGamerはテンセントのARC Labが開発したオープンソースツール。ユーザーは「宗介が紫色の車で走り回る」といった簡単な口頭命令でアニメ動画を生成できるほか、「魔法少女まどか☆マギカ」のキキや「天空の城ラピュタ」のパズなど、さまざまなアニメキャラクターを登場させることができる。それは...

一般的な紹介 Lumina-mGPT-2.0は、上海AI研究所（Shanghai AI Laboratory）、香港中文大学（Chinese University of Hong Kong：CUHK）、その他の組織によって共同開発されたオープンソースプロジェクトで、GitHubでホストされ、Alpha-VLLMチームによってメンテナンスされている。Alpha-VLLMはスタンドアロンの自己回帰モデルで、スクラッチから...

一般的な紹介 エージェントSは、Simular AI社が開発したオープンソースのフレームワークであり、グラフィカル・ユーザー・インターフェース（GUI）を通じて、人間のようにコンピュータを操作することができる。マルチモーダル・マクロ言語モデルと経験的学習技術を使用し、ウェブ閲覧、文書編集、ソフトウェア使用などのタスクを実行する。プロジェクトはGitHubで公開されている。

一般的な紹介 BabelDOCは、PDF文書をバイリンガル形式に翻訳するために設計されたオープンソースツールです。funstory-aiチームによって開発され、GitHubでホストされています。主に、研究者、学生、技術者など、外国語のドキュメントを扱う必要があるユーザーのために開発されています。

一般的な紹介 Text2Voiceは、シリコンベースのモビリティAPIに基づくテキスト読み上げ機能を提供するオープンソースツールで、クリーンなグラフィカル・ユーザー・インターフェース（GUI）を最大の特徴としている。開発者のSheldon Lee氏によってGitHub上で作成され、ユーザーが簡単にテキストを音声に変換できるインターフェースとなっている。アイテム...

概要 FreeAIはPollinations.AI APIをベースとしたオープンソースのAIアプリケーションプラットフォームであり、無料で無制限のAIチャットアシスタント、画像生成、音声合成サービスを提供する。開発者のAzad-slがGitHubで作成したこのプロジェクトの主な特徴は、純粋なHTMLファイルを使用して開発することです...

概論 Open WebUI Artifacts Overhaulは、開発者Nick Tonjumによって開発されたOpen WebUIをベースにしたフォークプロジェクトです。コード生成とプレゼンテーションのためのAIの機能改善に焦点を当てたオープンソースツールである。これにより、ユーザーはAIにコードを生成させ、インターフェイスを直接...

概論 OpenAvatarChatはHumanAIGC-Engineeringチームによって開発され、GitHubでホストされているオープンソースプロジェクトです。モジュール式のデジタルヒューマン対話ツールで、1台のPCで全機能を実行することができます。このプロジェクトは、リアルタイムのビデオ、音声認識、デジタルヒューマン技術を組み合わせています...

概論 uniOCRはmediar-aiチームによって開発されたオープンソースのテキスト認識ツールです。macOS、Windows、Linuxをサポートしています。macOS、Windows、Linuxをサポートしており、画像からテキストを抽出することができます。

一般的な紹介 Serenaは、Oraios AIチームによって開発され、GitHubでホストされているフリーでオープンソースのプログラミングツールです。Serenaは言語サーバープロトコル(LSP)を介して実装されています。

概要 AudioXはZeyue TianらによってGitHubで公開されているオープンソースプロジェクトで、公式論文はarXivで公開されています(No.2503.10522)。拡散変換（Diffusion Transformer）技術に基づいており、テキスト、ビデオ、画像、音声、その他の入力から高品質な...

概要 EasyControlは、Diffusion Transformer (DiT)アーキテクチャに基づいた効率的で柔軟な画像生成制御を提供するオープンソースプロジェクトです。その中でも、ジブリコントロールLoRAは、100人のアジア人の顔とそのGPT-4oによって生成されたジブリ風の画像のみを使用することで、その特別な機能の1つです...

YOLOEは清華大学ソフトウェア学院のマルチメディア・インテリジェンス・グループ（THU-MIG）によって開発されたオープンソースプロジェクトで、正式名称は「You Only Look Once Eye」。PyTorchフレームワークをベースにしており、YOLOシリーズを拡張したもので、あらゆる物体をリアルタイムで検出し、セグメント化することができる。プロジェクトはGitHubでホストされている。

概要 Open-VoiceCanvasは、ItusiAIチームによって開発されたオープンソースの音声合成プラットフォームです。50以上の言語をサポートし、テキストを自然な音声に変換したり、音声をアップロードすることでパーソナライズされた音声をクローンすることができます。このプロジェクトは、OpenAI TTS、AWS Polly、MiniMaxの3つを統合しています。