タグ: AIのオープンソースプロジェクト 4ページ

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。

概論 VideoMindは、長い動画の推論、Q&A、要約生成に焦点を当てたオープンソースのマルチモーダルAIツールである。香港理工大学のYe Liuとシンガポール国立大学のShow Labのチームによって開発された。このツールは、タスクをプランニング、...

一般的な紹介 SuperCoderはターミナルで動作するインテリジェントなツールで、プログラマーのために設計されています。このプロジェクトはGitHubのhuytdによってオープンソース化されており、Linux、MacOS、Windowsをサポートしています。

概論 Emigoは、MatthewZMDによってGitHub上で開発されたオープンソースのEmacs用AIプログラミング・アシスタントです。Emigoは、MatthewZMDによってGitHub上で開発されたオープンソースのEmacs用AIプログラミング・アシスタントです。 大規模言語モデル(LLM)を統合することで、プログラマがEmacs上でコード解析、生成、修正、その他の作業を完了するのを支援します。

一般的な紹介 SegAnyMoは、Nan Huangなどのメンバーを含む、カリフォルニア大学バークレー校と北京大学の研究者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ある。このツールはビデオ処理に重点を置いており、ビデオ内の任意の動く物体（人、動物、乗り物など）を自動的に識別し、セグメント化することができる。このツールは、TAP...

一般的な紹介 GenXDは、シンガポール国立大学（NUS）とMicrosoft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。任意の3D・4Dシーンの生成に重点を置き、データ不足やモデル設計の複雑さに起因する現実世界の3D・4D生成を解決する。このプロジェクトでは、カメラやオブジェクトの動きを分析し、その動きから、3Dや4Dシーンの生成に必要なデータを抽出します。

はじめに ChatAnyoneはHumanAIGCチームによって開発された革新的なプロジェクトです。人工知能の技術を用いて、1枚の写真と音声入力から、上半身の動きを含むデジタル人物のポートレート動画を生成する。このプロジェクトは、頭の動き、ジェスチャー、表情を生成する階層的動作拡散モデルに基づいています。

概要 Search-R1はPeterGriffinJinによってGitHub上で開発されたオープンソースプロジェクトであり、veRLフレームワーク上に構築されている。強化学習(RL)のテクニックを使って大規模言語モデル(LLM)を学習し、モデルが自律的に推論を学習し、問題を解決するために検索エンジンを呼び出すことを可能にします。このプロジェクトはQwen2.5をサポートしています。

概論 DeepGeminiは、開発者Thomas Sligterによって作成されたオープンソースプロジェクトである。マルチモデルオーケストレーションをサポートするAI管理ツールであり、主な特徴は、様々なAIモデルを柔軟に組み合わせる能力であり、OpenAI互換のAPIインターフェースを通じて呼び出される。プロジェクトはPython 3.11と...をベースにしている。

概論 OptexityはGitHub上のオープンソースプロジェクトで、Optexityチームによって開発されている。このプロジェクトの中核は、人間のデモデータを使用して、コンピュータタスク、特にウェブページ操作を完了するためにAIを訓練することです。このプロジェクトには、ComputerGYM、AgentAI、Playwrightの3つのコードライブラリが含まれており、ユーザは...

一般的な紹介 II-Researcherは、Intelligent-Internet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の人工知能研究ツールです。深層検索と複雑な推論のために設計されており、インテリジェントなウェブ検索とマルチステップ分析を通じて複雑な質問に答えることができます。プロジェクトは2025年3月27日に開始された。

一般的な紹介 Cuaは、Computer-Use Agent（「クーア」と発音）と呼ばれるオープンソースプロジェクトで、Apple Siliconデバイス向けに設計されており、ネイティブデバイス90%に近い速度で高性能なmacOSとLinuxの仮想マシンを作成し、実行することができます。CuaはApple Siliconデバイス用に設計されており、ネイティブデバイスの90%に近い速度で、高性能なmacOSとLinuxの仮想マシンを作成して実行することができます。 CuaはAp...

はじめに Paper to Podcastは、学術研究論文を生き生きとした楽しいポッドキャストに変えることに特化したオープンソースのツールです。人工知能技術を使ってPDF形式の論文を3人の登場人物（ホスト、学習者、専門家）の対話に変えることで、複雑な学術的内容を簡単に理解できるようにします。この ...

概論 OmniSQLはRUCKBReasoning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ある。このプロジェクトの中心的な機能は、ユーザが入力した自然言語の質問を高品質なSQLクエリ文に変換し、ユーザがデータベースを簡単に操作できるようにすることである。このプロジェクトは、自動化されたテキスト...

概要 LatentSyncはByteDance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ツールです。音声を通して動画内のキャラクターの唇の動きを直接駆動し、口の形を音声に正確に一致させることができます。このプロジェクトは、Stable Diffusionの潜在拡散モデルに基づいています。

一般的な紹介 Morphik Coreはmorphik-org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。以前はDataBridge Coreと呼ばれていましたが、現在はMorphik Coreと改名されています。このツールはAIアプリケーションのために設計されたデータベースで、テキスト、画像、PDF、動画、その他様々なデータを扱うことができます。

一般的な紹介 serverless-markdown-convertorは、Cloudflare WorkerとWorkers AI開発に基づいて、様々なファイルをMarkdown形式に変換することができる無料のオープンソースツールです。PDF、画像、Office文書、HTML、その他の一般的なファイル形式をサポートしており、自分で変換する必要はありません。

概要 EditorJumperは、JetBrains IDE用に設計されたプラグインで、GitHubユーザーのwanniwaによって開発されました。このプラグインを使うと、開発者はJetBrains IDE（IntelliJ IDEAやPyCharmなど）とVS Code、Cursor、Trae、Windsurfなどのエディタとの間を素早く行き来することができます。