gradio

Stable Diffusion web UI

Pythonで、素晴らしい機械学習アプリケーションを構築・共有。🌟 作業をサポートするためにスターを付けてください！

⚡️HivisionIDPhotos: 軽量で効率的なAI ID写真ツール。軽量なAI証明写真作成アルゴリズム

電子書籍からオーディオブックを生成、ボイスクローニング＆1158以上の言語に対応！

stable diffusion webui colab

クリエイターと開発者のためのGradio WebUI。主要なTTS (Edge-TTS, kokoro) およびゼロショット音声クローニング (E2 & F5-TTS, CosyVoice) を特徴とし、Whisperオーディオ処理、YouTubeダウンロード、Demucsによるボーカル分離、多言語翻訳に対応。

ユーザーフレンドリーなUIを備えたStable Diffusionの簡単なDockerセットアップ

FunASRを搭載した動画文字起こし、字幕生成、LLM支援型クリッピングツール（ローカルGradio UI付き）

LangGraphで構築されたモジュラー型エージェンティックRAG — 数分でRetrieval-Augmented Generation Agentsを学習できます。

[CVPR'25] 論文の公式実装 - MagicQuill: インテリジェントな対話型画像編集システム

[CVPR2024 Highlight][VideoChatGPT] 動画理解機能を持つ ChatGPT！miniGPT4、StableLM、MOSS など、他にも多くの LM をサポート。

ACE-Step、OmniVoice、Kimi Audio、Piper TTS、GPT-SoVITS、CosyVoice、XTTSv2、DIA、Kokoro、OpenVoice、ParlerTTS、Stable Audio、MMS、StyleTTS2、MAGNet、AudioGen、MusicGen、Tortoise、RVC、Vocos、Demucs、SeamlessM4T、Barkに対応した拡張機能付きの単一Gradio + React WebUI！

InternGPT (iGPT) は、AI モデルを簡単に公開できるオープンソースのデモプラットフォームです。DragGAN、ChatGPT、ImageBind、GPT-4 のようなマルチモーダルチャット、SAM、インタラクティブな画像編集などをサポートしています。igpt.opengvlab.com でお試しください。

whisper モデルを使用して簡単に字幕を作成できる Web UI。

[EMNLP-2024] 高速なプロトタイプ作成と本番環境向けマルチモーダル言語エージェントの構築。

CPU および AI PC で高速な stable diffusion を実行

Auto1111 の依存関係のみを使用して text2video 拡散モデル（ModelScope や VideoCrafter など）を実装する Auto1111 拡張機能

🤗 画像マッチング WebUI

Segment Anything のマスクを使用し、ブラウザ UI 上で Stable Diffusion のインペインティングを実行する Inpaint Anything 拡張機能。

30以上の生成AIに対応するセルフホスト型 WebUI

物理ベースのマルチマテリアルFDMカラーシステム。キャリブレーションされた光透過混合により、画像をフルカラーの3Dプリントに変換します。スライサー対応の3MFエクスポート（BambuStudio/OrcaSlicer）を備えた2〜8色システムをサポートします。

FAISS + BM25 ハイブリッド検索、再ランキング、Gradio UI、FastAPI を備えた透過的な Python RAG リファレンス

🎬 3Dインタラクティブ操作で任意のカメラ視点から画像を生成。3D空間でカメラをドラッグするかスライダーで方位角/仰角/距離を設定して生成。Three.js + Gradio製、日英バイリンガルUI。

Stable Diffusion ワークフロー用に書かれたテンプレート言語。Automatic1111 WebUI の拡張機能として利用可能です。

研究論文を商業化レポートに変換 — 6つのAIエージェント、TRL/MRLスコアリング、特許動向、マーケットインテリジェンス、検証済み引用。DeepSeek / OpenAI / Claude対応。

高解像度出力に対応した高速なリアルタイム物体検出

ローカルで複数の PDF とチャットする

Chatbot Arena がマルチモーダルと融合！Multi-Modality Arena では、画像を入力として提供しながら、視覚言語モデルを並行してベンチマークできます。MiniGPT-4、LLaMA-Adapter V2、LLaVA、BLIP-2 などをサポート！

マルチモデル DAG 駆動型並列 AI 映像生成 — シーンの独立性に応じて並列高速化がスケールします。シーンを1つずつではなく同時に生成します。「把影视生成的执行图从拓扑序变成关键路径最优调度」；シーンの物語依存関係を DAG としてモデル化し、CPM アルゴリズムによって並列スケジュールを駆動する唯一の映像生成エンジン

AdvancedLivePortrait用のgradio WebUI