タグ: AIのオープンソースプロジェクト 5ページ

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。

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 ...