AIオープンソースプロジェクト

一般的な紹介 Devikaは高度なAIソフトウェアエンジニアであり、人間の高度な指示を理解し、それをステップに分解し、関連する情報を研究し、与えられた目標を達成するためにコードを書く。大規模な言語モデル、計画・推論アルゴリズム、ウェブブラウジング機能を使って、インテリジェントにソフトウェアを開発する。

概要 Markdown to Imageは、Markdownテキストを視覚的に魅力的なソーシャルメディア画像にレンダリングするためのReactコンポーネントです。このプロジェクトには、オンラインのMarkdown to posterエディタとして使用できる組み込みのWebエディタも含まれています...

一般的な紹介 Llama Tutorは、Llama 3.1上に構築されたオープンソースのAIパーソナル・チューター・プロジェクトで、パーソナライズされた学習体験をユーザーに提供するように設計されています。Together AI、Next.js、T...などの複数の技術スタックを統合することで、学習者のニーズに合わせた学習体験を提供します。

一般的な紹介 Exoは、日常的なデバイス（iPhone、iPad、Android、Mac、Linuxなど）を使用して独自のAIクラスタを実行するように設計されたオープンソースプロジェクトです。動的なモデル分割と自動化されたデバイス検出により、Exoは複数のデバイスを1つの強力な...

包括的な紹介 Ant Design Xは、Ant Groupによってオープンソース化されたツールキットで、開発者がAI主導の対話インターフェースを素早く構築できるように設計されています。豊富なコンポーネントとテンプレートのセットを提供し、OpenAI標準と互換性のあるモデル統合をサポートし、インテリジェントなカスタマーサービス、AIアシスタント、その他のような様々なアプリケーションに適しています。

概論 Vercel AI SDKは、React、Svelte、Vue、Solidなどのフレームワークを使用してAIアプリケーションを構築する開発者を支援するために、Vercelチームによって開発されたオープンソースツールです。複数の言語モデルプロバイダをサポートしています。

概要 Extract.funは、Cloudflareのブラウザレンダリング機能を使用して、あらゆるWebサイトから画像を抽出する最新のWebアプリケーションです。Remix上に構築され、Cloudflare Pages上に配置されたこのアプリケーションは、高速な画像抽出を提供します。

概要 XDOllamaは、Ollama、Dify、XinferenceなどのAIモデルを素早く呼び出すためにMacOSユーザー向けに設計されたデスクトップアプリケーションです。簡素化されたインターフェースとワークフローにより、このアプリケーションを使用すると、...

総合紹介 openai-captcha-detectionはOpenAIを利用したキャプチャ認識ツールです。OpenAIのAPIを呼び出すことで、このプロジェクトは複雑なCAPTCHA画像のテキスト認識を実現し、開発者を支援します。

包括的な紹介 NVIDIA Garakは、大規模言語モデル（LLM）の脆弱性を検出するために特別に設計されたオープンソースツールです。静的、動的、適応的なプロービングを通して、イリュージョン、データリーク、ヒントインジェクション、エラーメッセージ生成、有害コンテンツ生成などの複数の弱点がないかモデルをチェックします。

概要説明 Hoarderは、リンク、メモ、PDF、画像の保存をサポートするセルフホストブックマーク管理ツールです。自動タグ付けにAI技術を使用し、全文検索機能を提供します。ユーザーはChromeプラグインとFirefoxプラグインを使用することができます...

包括的な紹介 aisuiteは、開発者が複数の生成AIプロバイダーのサービスを簡単に呼び出せるように設計された、シンプルで統一されたインターフェースです。OpenAIに似たインターフェースを持つaisuiteは、最も人気のあるLLM（大規模言語モデル）との対話を容易にします...

包括的な紹介 pdf2htmlEXは、PDFファイルをHTML形式に変換するために設計されたオープンソースのツールであり、PDFファイルの内容を分析し、HTML + CSSを使用して正確にその視覚効果を復元することにより、PDF文書は、ブラウザに変換されます。

総合紹介 Higressはアリババが開発したクラウドネイティブなAPIゲートウェイで、IstioとEnvoyをベースに構築され、効率的なトラフィックスケジューリング、サービスガバナンス、セキュリティソリューションを提供するように設計されている。複数のプログラミング言語に対応したWasmプラグイン拡張機能をサポートし、AIビジネス...

包括的な紹介 Dynamiqは、エージェントAIと大規模言語モデリング（LLM）アプリケーションのために設計されたオープンソースのAIオーケストレーションフレームワークです。Dynamiqは、特にRAG（Retrieval Augmented Generation）とLLMエージェントのオーケストレーションの分野において、AI駆動型アプリケーションの開発を簡素化することを目的としています。

包括的な紹介 Moondreamは、ディープラーニングとコンピュータビジョン技術による画像記述機能を実現するために設計された、オープンソースの軽量視覚言語モデルです。このモデルは、様々なプラットフォーム上で効率的に実行することができ、特にエッジデバイスに適しています。

概論 FLUX Gymは、低グラフィックメモリ（12GB/16GB/20GB）に対応したFLUX LoRAをトレーニングするためのシンプルなウェブUIです。フロントエンドはAI-ToolkitのGradio UIをベースにしており、バックエンドはKohya Scri...

総合紹介 PicMenuは、簡単な写真操作で従来の紙メニューを鮮やかで直感的な画像メニューに変換する革新的なAIツールです。各料理の高画質画像を自動生成するだけでなく、料理に関する豊富な情報を提供し、外食産業のデジタル変革に貢献します...

一般的な紹介 Gemini OpenAI API Agentは、無料でサーバーのメンテナンスが不要なOpenAI準拠のエンドポイントです。ユーザは、Vercel、Netlify、Cloudflareなどのプラットフォームに、個人で簡単にデプロイすることができます。プロジェクト ...

概要 Sanaは、NVIDIA Labsによって開発された効率的な高解像度画像生成フレームワークであり、最大4096×4096の解像度の画像を数秒で生成することができる。Sanaは、線形拡散変換器と深層圧縮自己エンコーダ技術を採用し、大幅に...

概要 SP-MangaEditerは、マンガ制作者のために設計された独立したマンガ編集プラットフォームです。画像生成、レイヤー編集、画像調整、フィルター適用など様々な機能をサポートし、高品質なマンガイラストを簡単に作成することができます。ユーザーは簡単に操作することができます...

一般的な紹介 SQLite-Utils-Askは、SQLiteデータベースやCSV/JSONファイルに対して、LLM(Large Language Model)の助けを借りて、ユーザーが質問と回答のデータクエリを実行できるように設計された強力なツールです。このツールは、SQLiteデータベースやCSV/JSONファイルに対して、LLM(Large Language Model)に基づいた質問を自動的に生成することができます。

包括的な紹介 GraphRAG-Difyは、GraphRAGとDifyの技術を組み合わせて、AIエージェントを素早く作成し、デプロイするために設計されたオープンソースプロジェクトです。このプロジェクトでは、サービス構築にFastAPIとUvicornを使用し、DSLのインポートをサポートしています。

一般的な紹介 askrepoは、LLM（Large Language Model）に基づいたソースコードリーディングツールです。指定されたディレクトリにあるGitで管理されたテキストファイルの内容を読み込み、Google Gemini APIに送信して、指定されたプロンプトに基づいた質問への回答を提供することができます...

包括的な紹介 PDFMathTranslateは、科学論文の翻訳に焦点を当てたオープンソースのツールです。AI技術を使用して、数式、図、目次、注釈を含む元のドキュメントのレイアウトを保持し、サポート...

概論 Voice-Proは、Gradio WebUIをベースにした多機能ツールで、音声合成、テキスト読み上げ、リアルタイム翻訳、YouTubeビデオダウンロード、人声分離をサポートします。Whisper、Faster-Wh...

包括的な紹介 Linly-Dubbingはインテリジェントな多言語AIダビングと翻訳ツールで、高度なAI技術を統合することにより、ユーザーに高品質の多言語ビデオダビングと字幕翻訳サービスを提供するように設計されています。このツールは、特に国際教育、グローバルコンテンツのローカリゼーションやその他のシナリオに適しており、...

一般的な紹介 FlipSketchは、静的な図面をテキストガイド付きのアニメーションに変換するために設計されたオープンソースプロジェクトです。GitHubでホストされているこのプロジェクトは、ユーザーがテキストの説明からアニメーション効果を生成できる革新的なツールを提供しています。

概要 AutoFlowはPingCAP社によって開発されたオープンソースのツールで、TiDBサーバーレス・ベクトル・ストレージを用いてグラフベースの知識ベースを構築する。LlamaIndexとDSPyフレームワークを統合し、複雑なダイアログ検索と知識グラフをサポートする。

包括的な紹介 Maxunはオープンソースのコード不要のウェブデータ抽出プラットフォームで、ウェブデータを自動的にクロールしてAPIやスプレッドシートに変換するロボットを数分で訓練することができます。このプラットフォームは、ページングとスクロールをサポートし、ウェブサイトのレイアウトの変更に適応し、強力なデータクローリングを提供します。

概論 OpenPromptStudio（OPS）は、Moonvyチームによって開発された、AIGCプロンプトワード用のオープンソースビジュアルエディタです。OPSは、MidjourneyのようなAIモデルをサポートし、プロンプトワードの作成と管理のプロセスを簡素化するように設計されています。

概論 テキスト生成ウェブUIは、大規模言語モデル（LLM）のために設計されたGradioベースのウェブUIです。Transformers、llama.cp...を含む様々なテキスト生成バックエンドをサポートしています。

一般的な紹介 MorphicはAI技術に基づいた検索エンジンで、インテリジェントなQ&Aと効率的な検索体験を提供するように設計された生成的なユーザーインターフェースを持つ。ユーザーはMorphicでテキスト、動画など様々な検索を行うことができ、検索履歴の保存や検索結果の共有が可能です。

一般的な紹介 SwarmはOpenAIによって開発された実験的な教育用フレームワークで、マルチエージェントシステムの軽量で、制御可能で、テストが容易なインターフェースを探求するためのものです。このフレームワークは、主にエージェント間のハンドオフとルーチンパターンを実証するために使用され、開発者がマルチエージェントシステムの調整と実行を理解し、実装するのに役立ちます...

概要 EchoMimicは、音声によってリアルなポートレートアニメーションを生成するために設計されたオープンソースプロジェクトです。AntグループのTerminal Technologies部門によって開発されたこのプロジェクトは、編集可能なマーカーポイント条件を利用し、音声と顔のマーカーポイントを組み合わせて、ダイナミックなポートレート動画を生成します。

一般的な紹介 Danswerは、インテリジェントなチャットインターフェイスと統一された検索機能を通じて、統一された検索と自然言語クエリの回答を提供するために、チームのドキュメント、アプリケーション、および人に接続するように設計されたオープンソースのエンタープライズ文書検索AIアシスタントです。ユーザーデータとチャットが完全に制御されていることを保証...

概要 DocsGPT はオープンソースのドキュメントアシスタントで、プロジェクトドキュメントのクエリプロセスを簡素化するように設計されています。強力な GPT モデルを統合することで、開発者はプロジェクトに関する質問を簡単に行い、正確な回答を得ることができます。

総合的な紹介 ChatGPT-on-WeChatプロジェクトは、大きなモデルベースのインテリジェント対話ロボットであり、個人WeChat、WeChatパブリック番号、企業WeChatアプリケーション、Flybook、Nailなどのマルチプラットフォームへのアクセスをサポートしています。ユーザーはGPT3.5、GPT-4、Claude、Man...

概論 Atomic Agentsは、エージェントAIパイプラインとアプリケーションを構築するためのアトミティシティ（atomicity）のコンセプトに基づいて設計された、非常に軽量でモジュール化されたフレームワークです。このフレームワークは、強力なアプリケーションを作成するために組み合わせることができるツールとエージェントのセットを提供します。このフレームワークは、Instruc...

概論 Fragments by E2Bは、Next.jsをベースとした、AIのみで生成されるアプリケーションを構築するためのテンプレートを提供するオープンソースプロジェクトです。このプロジェクトは、AIアプリケーションの開発プロセスを簡素化し、高速化するためにE2Bによって開発されました。このプロジェクトには、さまざまな現在のAIが統合されています。

概要 E2Bは、AIが生成したコードを安全なクラウドサンドボックスで実行するために設計されたオープンソースプラットフォームです。幅広いプログラミング言語とフレームワークをサポートし、コード実行のセキュリティと信頼性を確保するために隔離された仮想環境を提供します。E2Bは、データ分割を含む様々なAIアプリケーションシナリオに適しています。

概論 Promptimizerは、AIシステムのキュー・ワードを体系的に改善するための実験的なキュー・ワード最適化ライブラリです。最適化プロセスを自動化することにより、Promptimizerは特定のタスクにおけるプロンプト語のパフォーマンスを向上させることができます。ユーザが必要とするのは...

一般的な紹介 Paper Reviewerは、arXivの論文から包括的なレビューを生成し、ブログ記事にするために設計されたオープンソースプロジェクトです。このプロジェクトはHugging FaceのDaily Papersウェブサイトを動かしており、自動的に...

概論 HiOllamaは、PythonとGradioで構築されたユーザーフレンドリーなインターフェースで、Ollamaモデルと対話するために設計されています。リアルタイムのテキスト生成とモデル管理機能をサポートし、シンプルで直感的なウェブインターフェースを提供します。ユーザーは、温度などのパラメーターを調整することができます。

一般的な説明 InstantIRは、InstantXチームによって開発された革新的な単一画像復元モデルで、破損した画像の高品質復元を実行することができ、非常に高品質で生き生きとした細部で破損した画像を復活させるように設計されています。このツールは、画像の細部を復元するだけでなく...

概要 OmniParseは、あらゆる非構造化データを構造化された実用的なデータに変換するために設計された強力なデータ解析および最適化プラットフォームであり、GenAI（Generative Artificial Intelligence）フレームワーク用に最適化されています。ドキュメント、テーブル、画像、ビデオ、オーディオファイル、または...

Excalidraw 概要 Excalidrawは、手描き風の図を簡単に描くことができるオープンソースの仮想ホワイトボード描画ツールです。Excalidrawを使って、手描き風の美しいイラストやワイヤーフレーム図など、お気に入りの図を作成することができます。

一般的な説明 tldraw は、ユーザーが素早くグラフィックを描いたり、テキストを書き込んだり、即座に共同作業ができる無制限のキャンバスを提供する、無料で即座に共同作業ができるドローツールです。直感的なインターフェースと優れたパフォーマンスが特徴で、チームコラボレーションやリモートワークに適しています。オープンソースコミュニティを通じてサポートされているtldr...

はじめに PandasAI は Python ベースのオープンソースプラットフォームであり、自然言語処理技術によってデータ分析プロセスを簡素化するように設計されています。データベース（SQL、CSV、pandas、polars、mongodb、n...など）との対話を可能にします。

概要 Reactive Resumeは、履歴書の作成、更新、共有のプロセスを簡素化するために設計された、無料でオープンソースの履歴書ビルダーです。このプラットフォームはユーザーのプライバシーを重視しており、ユーザーの追跡や広告は一切ありません。ユーザーは30秒以内にアプリをセルフホストすることができ、自分の履歴書を完全にコントロールすることができます。

一般的な紹介 FastAPI DocGPTは、FastAPIベースのドキュメントクイズシステムで、ユーザがPDFファイルをアップロードし、ドキュメントの内容に基づいてクイズを受けることができます。このシステムは、OpenAIのエンベッディング技術を利用して、ドキュメントのコンテンツをベクターデータベースのQ...

一般的な紹介 RD-Agentは、研究開発（R&D）プロセスを自動化し最適化するために設計されたMicrosoftのオープンソースツールです。RD-Agentは、研究開発プロセスを自動化し、最適化するために設計されたMicrosoftのオープンソースツールです。このツールは、人工知能技術によってモデルとデータ開発の効率を向上させるデータ駆動シナリオに焦点を当てています。

包括的な紹介 Chonkieは軽量で効率的なRAG(Retrieval-Augmented Generation)テキストチャンキングライブラリで、開発者が素早く簡単にテキストをチャンキングできるように設計されています。このライブラリは、... を含む様々なチャンキング手法をサポートしています。

包括的な紹介 TableGPT2は浙江大学のチームによって開発されたマルチモーダルモデルで、表形式データの統合と処理に焦点を当てている。このモデルは、強力な汎用言語とコーディング能力を維持しながら、表データ関連のタスクで優れた性能を発揮できるよう、事前に訓練され、微調整されている。

概要 VideoChatは、オープンソース技術に基づくリアルタイム音声対話デジタルパーソンプロジェクトで、エンドツーエンドの音声スキーム（GLM-4-Voice - THG）とカスケードスキーム（ASR-LLM-TTS-THG）の両方をサポートしています。このプロジェクトでは、ユーザーがデジタルパーソンをカスタマイズすることができます。

はじめに Ichigoはオープンソースのリアルタイム音声AIプロジェクトで、テキストベースの言語モデルをネイティブな「聞き取り」機能で拡張することを目的としています。このプロジェクトでは、MetaのChameleon論文にインスパイアされた初期のフュージョン技術を使用している。

包括的な紹介 SFT-data-builderは、無料のBig Model APIとユーザーのプライベートドメインデータを組み合わせて、高品質のSFTトレーニングデータを生成するために設計されたオープンソースプロジェクトです。このツールは、複数のAIモデル形式をサポートし、ワンクリック生成、バッチ生成、柔軟な編集、ローカル...

包括的な紹介 Aggregatorは、利用可能なプロキシノードの様々なクロールすることができます無料のプロキシプールを作成することを目的としたオープンソースのプロジェクトです。このプラットフォームは、柔軟なプラグインシステムを持って、ユーザーが特定の機能を実現するためにプラグインを介して、ターゲットサイトの特別なニーズに応じてすることができます。プロジェクトは、主にクロールすることを学ぶために使用されている...

概論 OpenHandsはAll-Hands-AI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、AI技術によってソフトウェア開発プロセスを効率化することを目的としている。以前はOpenDevinとして知られ、現在はOpenHandsと改名されたこのプラットフォームは、強力なAI技術を提供します。

概要 Perplexicaは、インターネットを深く掘り下げた答えを提供するために設計されたオープンソースのAI駆動型検索エンジンです。類似検索や埋め込み技術などの高度な機械学習アルゴリズムを使用し、検索結果を最適化し、引用元とともに明確な回答を提供します。

概要 Scraperrは、XPath要素を指定することでウェブデータをスクレイピングすることができる、セルフホスト型のウェブデータスクレイピングツールです。ユーザーはURLと対応するクローリング要素を送信し、結果は表に表示され、エクセルファイルとしてダウンロードすることができます。

包括的な紹介 AppAgentは、スマートフォンのアプリケーションを操作するために設計されたLarge Language Model（LLM）ベースのマルチモーダルエージェントフレームワークです。このフレームワークは、簡素化された操作空間を通じて、タップやスワイプといった人間のインタラクションを模倣する。そのため、システムのバックエンドにアクセスする必要がなく、さまざまなアプリケーションでの利用が可能である。

一般的な紹介 ellは、元OpenAIの研究者であるウィリアム・ガスによって開発された軽量な関数型言語モデル・プログラミング・ライブラリである。ellは、キューを単なる文字列としてではなく、プログラムとして扱うことを念頭に設計されている。

概論 AI Podcast Generatorは、高度なAI技術を利用してウェブソースから魅力的なオーディオコンテンツを自動的に作成するインテリジェントなポッドキャスト生成ツールです。このシステムは、ニュース・コンテンツをキャプチャし、オーディオ・ポッドキャストに変換することで、自然な流れのナレーションを生成します。このプロジェクトはNext...

概要 WhoDBは、データベース管理タスクを簡素化するために設計された、軽量(~20MB)で強力かつユーザーフレンドリーなデータベース管理ツールです。Adminerのシンプルさと、ユーザーエクスペリエンスとパフォーマンスの向上を兼ね備えています。

概要 OpenBBは、すべての人に金融データと分析ツールへの簡単なアクセスを提供するために設計された、無料で完全にオープンソースの金融データ分析プラットフォームです。このプラットフォームは、株式、オプション、暗号通貨、外国為替、マクロ経済指標、固定...をカバーする100以上の異なるデータソースを統合しています。

包括的な紹介 OuteTTSは、純粋な言語モデリングアプローチを用いて高品質の音声を生成する、実験的な音声合成（TTS）モデルです。従来のTTSシステムとは異なり、OuteTTSは外部アダプターや複雑なアーキテクチャを必要としません。このモデルは、LLaMaアーキテクチャに基づいています。

包括的な紹介 CR-Mentorは、専門的な知識ベースと大規模言語モデリング（LLM）のパワーを組み合わせたインテリジェントなコードレビューツールです。すべてのプログラミング言語のコードレビューをサポートするだけでなく、ナレッジベースに蓄積されたベストプラクティスに基づき、チーム専用のレビュー基準やフォーカスエリアをカスタマイズします。ナレッジベースを通じて...

概要 muAgent は、Ant Group が開発した革新的なマルチインテリジェントフレームワークです。このフレームワークは、マルチインテリゲンチャ、ファンクションコール、コードインタープリタ、およびその他のテクノロジーと連携し、キャンバスのドラッグアンドドロップと簡単なテキスト記述によって、ユーザが人間の指導の下で様々な複雑な標準操作手順(SOP)を実行するのを支援します。

一般的な紹介 DDG-Chat は、ワンクリックで複数のプラットフォームにデプロイできる ChatGPT API バックエンド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。このプロジェクトは、GPT-4o mini、Claude 3 Haiku、Llam...を含む複数のモデルをサポートしています。

概要 Cherry StudioはLarge Language Model (LLM)サービスを幅広くサポートするデスクトップクライアントで、Windows、Mac、Linuxシステムに対応しています。豊富なパーソナライズオプションと最先端の機能を提供し、さまざまな場面でユーザーを支援するように設計されています...

包括的な紹介 99AIはオープンソースのAIウェブアプリケーションプロジェクトで、導入が容易で敷居の低い統合AIサービスプラットフォームを提供することを目的としています。このプロジェクトは、インテリジェントな対話、マルチモーダルモデル、アプリケーションプラザ、ネットワーク検索をサポートし、AI絵画、音楽、ビデオを統合します。

包括的な紹介 テキスト抽出API（text-extract-api）は、さまざまな文書形式（PDF、Word、PPTXなど）からコンテンツを抽出し、解析するために設計された強力なツールです。このAPIは、最先端の光学式文字認識（OCR）技術とOl...

概論 OmniGenはVectorSpaceLabによって開発された「ユニバーサル」画像生成モデルであり、ユーザーは簡単なテキストプロンプトやマルチモーダル入力で、多様で文脈に富んだ視覚効果を作成することができる。OmniGenは、特に、...を認識する必要があるアプリケーションに適しています。

包括的な紹介 PantoMatrixは、音声と顔、体の一部、手、全身の動きを含む部分的なジェスチャーから、完全な人間の動きを生成できる先進的なフルボディジェスチャー生成フレームワークです。このフレームワークは、最新のマルチモーダルデータセットとディープラーニング技術を利用して、高品質の3D...

一般的な紹介 Continueは、ソフトウェア開発者の効率を向上させるために設計されたオープンソースのAIコードアシスタントです。主な機能として、コードの自動補完、コードの最適化、VS CodeとJetBrains IDE用のインテリジェントなコード提案があります。

包括的な紹介 AIビーハイブ（ai-beehive）は、Spring Boot 3とJDK 17を備えたJava言語上に構築された多機能AIプラットフォームである。このプロジェクトは、ChatGPT...を含む複数のAI技術を統合しています。

一般的な紹介 Zedは、AtomとTree-sitterのクリエイターによって開発された、高性能なマルチユーザー共同コードエディターです。Rust言語で書かれたZedは、高速で流動的なコーディング体験を提供するように設計されています。主な機能として、マルチプレイヤー...

一般的な紹介 Pieces-OSは、Pieces-OSのGRPCストリームをリバースし、標準的なOpenAI APIインターフェースに変換することを目的としたオープンソースプロジェクトで、Claude、GPT、Geminiをサポートしています。

包括的な導入フロントエンドなし、純粋な設定ファイルの設定APIチャネル。ただ、自分のAPIステーションを実行することができますファイルを書いて、ドキュメントには、詳細な設定ガイドを持っている、白フレンドリー。 uni-apiは、統一されたAPIプロジェクトを可能にする大規模なモデルの統一管理です。

包括的な紹介 IC-Lightは画像照明制御のためのプロジェクトであり、高度なAIモデルによって画像の照明効果を操作することを目的としている。Lvmin Zhangらによって開発されたこのプロジェクトは、2つの主要なモデルを提供する：テキスト条件付き再照明モデルと背景条件付きモデル。ユーザは、このモデルを使って...

概要 Screenshot-to-Codeは、人工知能を使用してスクリーンショット、デザインドラフト、Figmaデザインをクリーンで機能的なコードに変換するオープンソースツールです。このツールは、HTML、Tailwind CS...など、複数のフロントエンド技術スタックをサポートしています。

概論 Ortlinは、技術者、非技術者を問わず、誰でも簡単にOpenAIのAPIや基礎モデルと対話できるように設計されたウェブベースのグラフィカルユーザーインターフェースです。完全にフリーでオープンソースであるため、ユーザーはOpenAIを手間をかけずに利用することができます...

一般的な紹介 AigoToolsは、ユーザーが迅速にナビゲーションサイトを作成し、管理するために設計されたオープンソースのAIウェブサイトナビゲーションです。サイト管理、AIベースの自動インクルージョン機能、多言語サポート、ダーク/ライトテーマ切り替え、SEO最適化機能を内蔵しています。

GPT4Freeの概要 GPT4Freeは、開発者のxtekkyがGitHubで公開したオープンソースプロジェクトで、GPT-3.5、GPT-4、Llama、Gemini-Pro、Bar...など、さまざまな強力な言語モデルを無料で提供することを目的としています。

包括的な紹介 MaskGCT (Masked Generative Codec Transformer)は、Funky Maru Technologyと香港中文大学が共同で導入した完全非自律回帰型音声合成(TTS)モデルである。このモデルは明示的な音声合成を必要としない。

はじめに Quanta Questは、「エンド側ビッグモデル＋C側データローカリゼーション」をコア進化の方向とする世界初の製品です。Gmail、Notion、Dropboxなどのデータをローカルに保存し、ベクターデータベースで処理することで、...

概要説明 ローカルファイルオーガナイザーは、ユーザーがコンピュータ上のファイルを整理し、分類するために設計されたAIを搭載したローカルファイル管理ツールです。このツールは、Llama3.2 3BやLlav...などの高度なAIモデルを利用しています。

概論 Notebook LMのポッドキャスト生成機能と、最近のOpen Notebook LMのオープンソース実装に触発されました。このレシピでは、PDFからポッドキャストへのパイプラインを構築する方法を、ステップバイステップで詳しく説明します。 任意のPDF...

概要 Agent.exeはオープンソースのElectronアプリケーションで、AnthropicのClaude 3.5 Sonnet APIを利用し、ユーザーがAIを通してローカルコンピューターを直接コントロールできるようにするものです。このプロジェクトは、K...

包括的な紹介 MindSearchは、上海人工知能研究所（SAL）が立ち上げたオープンソースのAI検索エンジン・フレームワークで、複雑な情報収集と統合のための人間の思考プロセスをシミュレートすることを目的としている。このツールは、大規模言語モデリング(LLM)とマルチインテリジェンス検索エンジンの高度な技術を組み合わせたものである。

包括的な紹介 CosyVoiceは、推論、トレーニングからデプロイまでフルスタックの機能を提供する多言語大規模音声生成モデルです。FunAudioLLMチームによって開発され、高度な自己回帰変換器とODEベースの拡散モデルにより、高品質な音声の実現を目指しています。

概論 ファブリックは、ダニエル・ミースラーによって開発されたオープンソースのAIフレームワークで、日常的なコンピュータ・タスクを簡素化・自動化し、人工知能を使いやすくすることを目的としている。モジュール設計とあらかじめ定義されたプロンプトワード（パターン）によって、ユーザーを効率的に支援する。

一般的な紹介 NocoDBは、強力で使いやすいオンラインデータベース管理ツールを提供するために設計されたオープンソースのAirtableの代替です。NocoDB を使えば、ユーザーはコードを書くことなく、簡単にデータベースからデータを作成、読み込み、更新、削除することができます。このプラットフォームは、...

概論 TANGO (Co-Speech Gesture Video Reenactment with Hierarchical Audio-Motion Embedding and Diffusi...

一般的な説明 無効なJSONファイルを修正するためのモジュールで、特に大規模言語モデル(LLM)が出力する不正なJSONデータを解析するためのモジュールです。このモジュールは、引用符の欠落、不正なカンマ、エスケープされていない文字、不完全なkey-value...などの一般的なJSON構文エラーを修正します。

概要 Kolors Virtual Try-Onは、Kwai-KolorsチームによるHugging Faceプラットフォーム上のバーチャル試着アプリです。このアプリは、高度な人工知能技術を使って、ユーザーがバーチャル試着をするのを手助けします。

総合紹介 ピラミッドフローは、フローマッチング技術に基づく効率的な自己回帰的映像生成手法である。この手法は、異なる解像度とノイズレベルの間を補間することで、映像コンテンツの生成と伸長において高い計算効率を達成する...

包括的な紹介 DifyはオープンソースのジェネレーティブAIアプリケーション開発プラットフォームで、開発者が大規模言語モデル（LLM）に基づくネイティブAIアプリケーションを迅速に構築・運用できるように設計されています。このプラットフォームは、エージェントの構築からAIワークフローのオーケストレーション、RAG検索...