LLM・機械学習
193件のリポジトリ（注目度順） — 3ページ目
multimodal-art-projection/YuE記号とオーディオを統合する次世代音楽生成AI — YuE2はシンボリックな作曲とオーディオ生成を統一したフロンティア級の音楽生成モデルです。ゼロショットカバーやエージェント的な音楽編集にも対応し、単なる自動作曲ツールを超えて、構造的なプランニングから音響出力までを一貫して扱える点が新しいです。研究者やクリエイター向けにHugging Faceモデルやベンチマークも公開されています。
YuE2: frontier music generation with symbolic planning, zero-shot covers, and agentic music editing.
langfuse/langfuseLLMアプリとエージェントのためのOSSトレース＆評価基盤 — LangfuseはLLMアプリケーションをトレース・評価・デバッグできるオープンソースのセルフホスト型プラットフォームです。LangChainやLlamaIndex、AutoGenとの連携やプロンプト管理機能も備え、Y Combinator出身で自前運用を重視するチームに向いています。
🪢 Open source agent evals & observability: Trace, evaluate, and improve LLM applications with one open platform.
Anil-matcha/Open-Generative-AI制限なしのAI画像・動画生成スタジオをセルフホストで — Flux、Midjourney、Kling、Sora、Veoなど600以上のモデルを使ったAI画像・動画生成をコンテンツフィルターなしで実現するオープンソース代替アプリです。既存の商用AI動画プラットフォームと異なり自前運用でき、MITライセンスなので改変・商用転用も自由。ホワイトラベルで自社サービス化も可能です。
Unrestricted Open-source alternative to AI video platforms — Free AI image & video generation studio with 600+ models (Flux, Midjourney, Kling, Sora, Veo). No content filters. Self-hosted, MIT licensed.
vllm-project/semantic-router異種LLM基盤を束ねるプログラマブルなMixture-of-Modelsルーター — vLLMプロジェクトによる、複数モデル・複数コンピュート環境をまたいでリクエストごとに最適なモデルパスを選ぶルーティング層です。品質・コスト・レイテンシ・プライバシー・安全性を、アプリ側にルーティングロジックを書かずに最適化できるのが特徴です。Kubernetesやガードレールとも連携し、AIゲートウェイ的な使い方も想定されています。
An open, programmable decision layer for models and compute.
techjarves/Portable-Local-Studio設定不要のオフラインAIスタジオ — 画像生成・GGUF形式LLMチャット・音声認識・音声合成を1つにまとめた完全オフライン動作のポータブルAIツールです。Windows/Linux/macOS対応でGPU・NPUによるハードウェア加速に対応し、クラウド不要・追跡なし・登録不要でローカルPC上に検閲されないAI環境を構築できる点が特徴です。
Portable local AI studio for Windows, Linux, and macOS. Zero-setup GUI for Image Generation, GGUF LLMs, Text to Speech & Speech to Text
marin-community/marin全プロセスを公開する基盤モデル開発基盤 — Marinは大規模言語モデルの研究開発を支えるオープンソースプラットフォームです。データ収集からトークナイズ、事前学習・事後学習、評価まで全工程を対象とし、失敗した実験も含めて意思決定過程を公開する「オープン開発」を核とする点が特徴です。すでに音声テキストモデルやDNA・タンパク質モデルなど幅広い応用にも使われています。
Open-source framework for the research and development of foundation models.
Comfy-Org/workflow_templatesComfyUIの公式ワークフローテンプレート集 — ComfyUI向けの公式ワークフローテンプレートとサブグラフブループリントを提供するリポジトリです。テンプレートピッカー用のワークフローと、ノードパレットで再利用できるコンポーネントを収録し、Pythonパッケージとしても配布されます。さらにAstro製の検索可能なテンプレート紹介サイトも含み、11言語対応やSEO最適化された閲覧体験を提供します。
ComfyUI template workflows
chenyme/grok2apiGrok複数アカウントを束ねるAPIゲートウェイ — Grok Build・Grok Web・Grok Consoleへのアクセスを複数アカウントでまとめて扱えるAPIゲートウェイです。Go製バックエンドとReact製フロントエンドを備え、Dockerで簡単にデプロイ可能。個人でGrokの機能をAPI経由で研究・活用したい開発者に向いています。
Multi-account API gateway for Grok Build, Grok Web, and Grok Console
ace-step/ACE-Step-1.5ローカルで動く最強クラスの音楽生成AI — ACE-Step 1.5は商用サービスに匹敵、あるいは凌駕する性能を持つオープンソースの音楽生成モデルです。Mac・AMD・Intel・CUDAなど多様な環境で動作し、新たに4Bパラメータの高音質XL版DiTデコーダも追加されました。無料で自分のPCに音楽生成AIを構築したい開発者やクリエイターに最適です。
The most powerful local music generation model that outperforms almost all commercial alternatives, supporting Mac, AMD, Intel, and CUDA devices.
NandhaKishorM/laya単一フォワードパスで33msの型付き判定エンジン — Layaは選択・スコア・Yes/No判定をテキストに対し単一フォワードパスで33msで実行する非自己回帰型エンジンです。100以上の言語に対応し、厳密に適切なスコアリングルールに基づく強化学習で訓練され、リクエストごとに最適なチェックポイントを選ぶルーターも備えます。LangChainやCrewAI等と統合でき、エージェントの高速な意思決定に向きます。
Non-autoregressive System 1 decision engine. Typed choice, score and yes/no decisions over any text in a single forward pass, in 100+ languages, with a router that picks the right checkpoint per request.
tile-ai/tilelangPythonicにGPUカーネルを書けるDSL「TileLang」 — TileLangはGEMMやFlashAttentionなど高性能カーネルをTVM基盤上でPythonライクに記述できるDSLです。CUDA/CPUに加えHuawei Ascend 950 NPUやMetalにも対応し、低レベル最適化を保ちつつ開発生産性を高めます。LSPやマルチバックエンド対応など開発基盤も急速に拡充中です。
Domain-specific language designed to streamline the development of high-performance GPU/CPU/Accelerators kernels
VectifyAI/OpenKBベクトルDB不要、知識が蓄積するLLM知識ベース — OpenKBは生ドキュメントをLLMでWiki形式の知識ベースに自動構築するCLIツールです。従来のRAGが毎回ゼロから検索し直すのに対し、PageIndexのベクトルレス・推論型検索を使い、要約や関連ページ、相互参照を自動生成・維持することで知識が時間とともに蓄積していく点が特徴です。長文ドキュメントの扱いやマルチモーダル対応にも強みがあります。
OpenKB: Open LLM Knowledge Base
Tencent/WeKnora文書をRAGとAIエージェントに変えるTencent製OSS — Tencent製のオープンソースLLM知識プラットフォームです。生の文書を検索可能なRAG、自律的に推論するエージェント、自己更新型Wikiに変換できます。OpenAIやOllamaなど複数LLMに対応し、ベクトル検索・リランキング・マルチテナントまで備えた実用的な社内ナレッジ基盤として注目です。
Open-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.
raullenchai/Rapid-MLXApple Silicon特化の高速LLM推論サーバー — Rapid-MLXはMLXベースで構築されたOSS推論サーバーで、OpenAIおよびAnthropic API互換です。コーディングエージェント向けの信頼性あるツール呼び出しに特化し、同じモデル・重みでApple公式のmlx-lmより最大4倍高速に動作する点が特徴です。ローカルLLM派のOllama/LM Studio代替として注目です。
Rapid-MLX is an open-source (Apache 2.0) OpenAI- and Anthropic-compatible LLM inference server for Apple Silicon, built on MLX, focused on reliable tool calling for coding agents. Up to 4× faster than Apple's MLX (mlx-lm) on the same weights.
Comfy-Org/ComfyUIノードで組み立てる最強の拡散モデルGUI — ComfyUIは画像生成AIをグラフ/ノード形式で自由に組み立てられるGUI・API・バックエンドです。モジュール構造により細かいワークフロー制御が可能で、Stable Diffusionなどの拡散モデルを扱う開発者やクリエイターに広く使われています。従来の一枚岩なUIとは異なり、拡張性と再利用性の高さが特徴です。
The most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface. The fastest local inference engine in the world.
lyogavin/airllm4GBのGPUで700億パラメータLLMを動かす — AirLLMは量子化や蒸留なしに、70Bクラスの大規模言語モデルをわずか4GBのGPUメモリで推論できるライブラリです。レイヤー単位で重みをストリーミングすることで、Kimi K2やDeepSeek-V3といった超巨大モデルも省VRAMで動作・学習でき、個人環境でのLLM活用の敷居を大きく下げます。
AirLLM 2.8T LLM inference with single 4GB GPU
QuantumNous/new-api複数LLMを束ねるAIゲートウェイ — OpenAI・Claude・Geminiなど各社LLM APIを相互変換し、一つのゲートウェイで集約・配信できるオープンソースのAIモデルハブです。個人利用から企業のモデル統合管理まで対応し、DeepSeekやRerankなど多様なモデルを一元的にルーティングできる点が特徴です。
Open-source AI gateway. Self-hosted LLM gateway with OpenAI-, Claude- and Gemini-compatible APIs, model routing, access control, usage tracking and cost accounting.
NVIDIA-NeMo/SwitchyardLLMコールを最安モデルへ自動振り分け — Switchyardは各LLM呼び出しを要件を満たせる最安モデルへ自動ルーティングするツールです。OpenAI/Anthropic API互換を保ちながら、NeMo Relayプラグイン、LiteLLM連携、スタンドアロンプロキシ、ライブラリ埋め込みなど複数の導入経路を提供し、既存のエージェントコードを変更せずコスト最適化とベンチマークを実現します。
Switchyard lets LLM applications route traffic across models and providers while preserving native OpenAI and Anthropic API compatibility - enabling flexible model selection, benchmarking, and cost/performance optimization.
BerriAI/litellm100超のLLMをOpenAI形式で統一操作 — Bedrock、Azure、Anthropic、VertexAI、vLLMなど100以上のLLM APIをOpenAI形式で呼び出せるAIゲートウェイです。Rustコア＋Python SDKで高速・軽量を実現し、コスト管理やガードレール、ロードバランシング、ロギングも標準搭載。セルフホストでエンタープライズ利用も可能で、マルチLLM運用を統一したい開発者に刺さります。
The fastest, litest AI Gateway. Rust core with Python SDK. Call 100+ LLM APIs in OpenAI (or native) format with cost tracking, guardrails, load balancing, and logging [Bedrock, Azure, OpenAI, Anthropic, OpenAI, VertexAI, vLLM, Nvidia NIM]
oboroge0/hayamimiGPU不要、CPUだけで動く多言語リアルタイム字幕 — 早耳(hayamimi)はCPUのみで動く多言語音声認識ツールです。言語ごとに最適な専門モデルへ自動振り分けし、量子化ONNXモデルで高速推論。日本語でWhisper-large-v3-turboを大幅に上回る精度(CER3.8%)を達成しつつ、発話終了後約100msで字幕を確定表示します。
早耳 - Real-time multilingual speech-to-text on CPU only. Live subtitles, browser dashboard, speaker labels, translation. No GPU, no cloud.
mostlygeek/llama-swapローカルAIモデルをホットスワップするGo製プロキシ — llama.cppやvLLMなど複数のローカル推論サーバーを1つの設定ファイルで管理し、リクエストに応じてモデルを自動で切り替えられるツールです。OpenAIとAnthropic両方のAPI互換エンドポイントに対応し、単一バイナリで依存関係なく動作するため導入も簡単です。すでに多くのローカルLLM運用者に使われています。
Reliable model swapping for any local OpenAI/Anthropic compatible server - llama.cpp, vllm, etc
meituan-longcat/LongCat-Video美団発、長尺動画生成基盤モデルLongCat-Video — 美団(Meituan)が公開した動画生成モデルで、テキストや画像から長時間の動画を生成できる点が特徴です。関連するLongCat-Video-Avatar 1.5も展開されており、アバター動画生成など応用範囲の広さがうかがえます。技術レポートやHugging Faceモデルも公開され、研究・実用双方からの検証が進められています。
elder-plinius/OBLITERATUSLLMの拒否behaviorを除去するアブリテレーション・ツールキット — 大規模言語モデルの内部表現から「拒否」挙動を再学習なしで外科的に除去するオープンソースツールです。隠れ状態から拒否方向を特定し、PCAや平均差分などの手法で抽出する一連のパイプラインを提供。さらに実行ごとに匿名ベンチマークを収集し、分散型の研究実験としてコミュニティでアブリテレーション研究を加速させる点がユニークです。
OBLITERATE THE CHAINS THAT BIND YOU
maanHimself/OpenDLSS-NRDLSS 5のニューラルレンダリングをVulkanで再現 — NVIDIAのDLSS 5 Neural Renderingネットワークを、Vulkan上でビット単位まで完全再現したオープン実装です。71ブロックのSwin/ViT構成をFP8テンソルコアで動作させ、中間出力も原版と一致させている点が特徴です。ブラウザ向けWebGPU実装も同梱され、重みは利用者側で用意する必要があります。
A Vulkan reimplementation of NVIDIA's DLSS 5 Neural Rendering network, bit-exact against the original.
smg-project/smgRust製の推論エンジン非依存LLMゲートウェイ — vLLM・TRT-LLM・SGLangなどの推論エンジンを問わず、OpenAIやAnthropic互換APIで統一的に扱えるRust製ゲートウェイです。業界初のgRPCパイプラインやKVキャッシュ考慮ルーティング、トークナイズキャッシュ、WASMプラグイン、MCP対応など、大規模LLM運用を支える機能を備えています。
Engine-agnostic LLM gateway in Rust. Full OpenAI & Anthropic API compatibility across vLLM, TRT-LLM, TokenSpeed, SGLang, OpenAI, Gemini & more. Industry-first gRPC pipeline, KV cache-aware routing, chat history, tokenization caching, Responses API, embeddings, WASM plugins, MCP, and multi-tenant auth.
roboflow/supervisionモデル依存しないCV用ツールキット — 物体検出・セグメンテーション・トラッキングなど、YOLOやTransformersなど任意のモデル出力を統一的に扱える汎用アノテーション・データ処理ライブラリです。特定モデルに依存せず、可視化やゾーンカウントなどのビジネスロジックを素早く実装できる点が特徴で、CVアプリ開発者に人気です。
We write your reusable computer vision tools. 💜
hexgrad/kokoro軽量82MパラメータのオープンTTSモデル — わずか82MパラメータながらApacheライセンスで商用利用も可能な軽量TTSモデルKokoro-82Mの推論ライブラリです。大規模モデルに匹敵する音声品質を、より高速・低コストで実現し、Google Colabで手軽に試せる点が特徴です。
https://hf.co/hexgrad/Kokoro-82M
opendatalab/MinerUPDF・Office文書をLLM対応データに変換する解析基盤 — MinerUはPDFやWord・PowerPoint・Excelなど多様な文書形式をレイアウト解析・OCRで読み取り、LLMやRAG向けのMarkdown/JSONに変換するツールです。4段階の解析精度と文書ライブラリ・エージェント読み取り機能を備え、汎用PDFパーサーやOCRライブラリの代替として複雑な表・数式・構造化文書に強みを持ちます。
Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.
openai/openai-pythonOpenAI公式のPython向けAPIクライアント — OpenAI REST APIをPython 3.10+から利用するための公式ライブラリです。OpenAPI仕様から自動生成され、全リクエスト/レスポンスの型定義を備え、HTTPX2による同期・非同期両対応のクライアントを提供します。Responses APIやChat Completions APIを簡潔に呼び出せる点が特長です。
The official Python library for the OpenAI API
elder-plinius/G0DM0D3制約を外したマルチモデルAIチャットUI — G0DM0D3は複数のAIモデルを並行実行し最良の応答を探すオープンソースのチャットインターフェースです。レッドチーミングや認知研究向けのプロンプト摂動エンジンや自動チューニング機能を備え、ローカルモデル実行やプライバシー重視の設定にも対応しています。ハッカーや研究者に向けた実験的なツールです。
LIBERATED AI CHAT