タグ: AIのオープンソースプロジェクト 8ページ

包括的な紹介 Story-Flicksは、ユーザーがHDストーリービデオを素早く生成することに焦点を当てたオープンソースのAIツールです。ユーザーはストーリーのトピックを入力するだけで、システムは大規模な言語モデルを通してストーリーコンテンツを生成し、AIが生成した画像、音声、字幕を組み合わせて完全なビデオ作品を出力します。プロジェクト終了後

包括的な紹介 mcp-server-qdrant は、Qdrant ベクトル検索エンジン上に構築されたモデルコンテキストプロトコル (MCP) サーバーです。主にAIシステムが記憶を保存したり検索したりするのに使われ、特にセマンティック検索を必要とするシナリオに適しています。このツールは、情報をベクトルに変換する...

はじめに R1-Omniは、HumanMLLMチームによってGitHubで立ち上げられたオープンソースプロジェクトです。これは、検証可能な報酬による強化学習（RLVR）技術を、感情認識に焦点を当てたマルチモーダル大規模言語モデルに適用した最初のプロジェクトです。このプロジェクトでは、動画と音声データを解析して、怒りや早口言葉などの登場人物の感情を識別する。

表認識の目的は、画像中の表を解析し、表の構造やセルの位置を正確に特定し、構造化された表形式（HTMLなど）に変換することである。今日の情報化時代において、大量の重要な表データが、構造化されていない状態で存在している。

一般的な紹介 BlenderMCPは、モデルコンテキストプロトコル（MCP）プロトコルを介してBlenderとClaude AIを接続するオープンソースツールです。ユーザーはテキストコマンドでBlenderを直接操作し、3Dモデル、シーン、マテリアルを素早く作成・編集することができます。このツールは3D...

概論 Cloudflare AgentsはCloudflareのオープンソース開発フレームワークで、開発者がグローバルエッジネットワーク上にインテリジェントなAIエージェントを構築できるように設計されています。Cloudflare Agentsは、エージェントが状態を永続化し、リアルタイムで通信し、自律的に実行する機能を提供します。コア機能パッケージ...

概要 codemcp は、Edward Z. Yang 氏が GitHub で開発した、Claude Desktop ユーザーのためのオープンソースツールです。Claudeデスクトップを便利なペアプログラミングアシスタントにします。ユーザは、ダイアログを通して、Claudeにローカルのコードベースを直接実装させることができます...

概論 OpenAI Agents SDKは、マルチインテリジェントなボディワークフローを構築するために設計されたOpenAIの軽量な開発ツールです。Pythonをベースとしており、使いやすく、エージェント、ハンドオフ、ガードレール、その他のタスクを設定することができます。

概 要 AI Toolkit by Ostrisは、Stable DiffusionとFLUX.1モデルの学習と画像生成タスクのサポートに特化したオープンソースのAIツールセットです。開発者のOstrisによって作成・保守され、GitHubでホストされているこのツールキットは、研究者や開発者に柔軟なモデルマイクロ...

総合紹介 テンセントターボSは、テンセントが自社開発した次世代高速思考モデルで、テンセントクラウドの公式サイトで発表され、2025年2月27日に正式リリースされる。従来の頭の回転が遅いモデル（例：Deepseek R1、Hybrid T1）とは異なり、「秒速返信」を実現し、スピートのスピードを2倍にし、第一声の遅れを短縮することができる。

概論 HippoRAGはオハイオ州立大学のOSU-NLPグループによって開発されたオープンソースのフレームワークで、人間の長期記憶メカニズムにヒントを得ている。HippoRAGは、RAG（Retrieval Augmented Generation）、KG（Knowledge Graph）、PageRank（Personalized PageRank）の技術を組み合わせ、大規模言語モデル（LLM）が外部文書からの知識を継続的に統合できるようにします。

一般的な紹介 AgentNetworkProtocol (ANP)は、GitHubでホストされているオープンソースのプロトコルプロジェクトで、インテリジェントエージェント（AIエージェント）に安全で効率的な通信ソリューションを提供することに焦点を当てています。IDおよび暗号化通信レイヤー、メタプロトコルレイヤー、アプリケーションプロトコルレイヤーの3レイヤーアーキテクチャによりエージェントを解決します。

概論 Open-LLM-VTuberは、音声とテキストを通してユーザーが大規模言語モデル（LLM）と対話することを可能にするオープンソースプロジェクトであり、ダイナミックなバーチャルキャラクターを提示するためにLive2D技術を組み込んでいます。Windows、macOS、Linuxをサポートし、完全にオフラインで動作し、ウェブとデスクトップクライアントモデルがあります。

包括的な紹介 Ovis（Open VISion）は、アリババの国際デジタル商取引グループのAIDC-AI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マルチモーダル大規模言語モデル（MLLM）です。このモデルは、視覚データとテキストデータを効率的にマージする革新的な構造埋め込みアライメント技術を使用しており、画像、...

一般的な紹介 X-R1は、dhcode-cppチームによってGitHubでオープンソース化された強化学習フレームワークであり、エンドツーエンドの強化学習に基づくモデルをトレーニングするための低コストで効率的なツールを開発者に提供することを目的としている。このプロジェクトは、DeepSeek-R1とopen-r1にインスパイアされ、...

包括的な紹介 EinoはCloudWeGoチームによって立ち上げられたGolangベースのオープンソースフレームワークで、大規模モデル（LLM）アプリケーションのための究極の開発ツールとなることを目指しています。LangChainやLlamaIndexなどのオープンソースフレームワークの優れた設計を生かし、最先端の研究成果とByteDance社内の実践を融合させ、LLMアプリケーションの究極の開発ツールとなるよう設計されています。

一般的な紹介 OpenManus-RLは、UIUC-UlabとMetaGPTコミュニティのOpenManusチーム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でホストされています。このプロジェクトは、強化学習（RL）技術を通じて、Deepseek-R1、QwQ-32Bに基づく大規模言語モデル（LLM）知能の推論および意思決定能力を強化します。...

概論 ANUS（Advanced Neural Understanding System）は、GitHubでホストされているオープンソースのAIエージェントフレームワークであり、ユーザーのnikmcflyによってManus AIに促されて生成された。開発者、研究者、AI愛好家に...

包括的な紹介 Long-VITAは、VITA-MLLMチームによって開発されたオープンソースのマルチモーダル・マクロモデルであり、非常に長い文脈を扱う視覚的・言語的タスクに焦点を当てている。画像、動画、テキストを同時に分析でき、最大100万トークンの入力をサポートし、動画理解、高解像度画像解...