AIオープンソースプロジェクト

Voxtralは、フランスのAIスタートアップMistral AIが2025年7月15日にリリースした初のオープンオーディオモデルである。 Voxtralは、生産環境用の音声理解機能をすぐに使える商用アプリケーションを、市場競争力の高い価格で提供することを目的としている。 Voxtralモデルには、以下の2つのバージョンがある。

legacy-useは、APIのない古いデスクトップソフトウェア（しばしば「レガシーソフトウェア」と呼ばれる）にモダンなREST APIインターフェースを提供することを中核的な役割とするオープンソースツールである。ソフトウェアのグラフィカル・ユーザー・インターフェース（GUI）を "観察 "し、人間のキー操作を模倣するAIインテリジェンスを使用している。

Portia AIはオープンソースのPythonソフトウェア開発キット（SDK）であり、開発者がインテリジェントな自動ワークフローを構築することを支援することに重点を置いている。Portia AIは、開発者がワークフローをカスタマイズすることをサポートし、信頼性の高いワークフローを提供します。

CanonSwapは、ビデオの顔交換技術に焦点を当てた研究プロジェクトであり、フレームワークです。既存の技術の核となる課題を解決することに焦点を当てています。動画内のキャラクターの顔を入れ替えると、キャラクターの表情や頭の動き、口の同期など、元の動画の動的な属性が破壊されることが多く、その結果、不自然で不安定な顔の入れ替えになってしまいます...

BrowserOSはオープンソースのAIスマートブラウザで、Chromium上で開発され、すべてのChrome拡張機能と互換性がある。プライバシー保護を重視し、すべてのデータとAIモデルはローカルで実行され、ユーザーは独自のAPIキーやOllama.BrowserO...のようなローカルモデルを使用するオプションがあります。

Scira MCP Chatは、MCP（Model Context Protocol）プロトコルに基づいて構築されたオープンソースのAIチャットツールです。Vercel AI SDKを介して複数のAIモデルをサポートしており、ユーザーは異なるMCPサーバーに接続してAI機能を拡張することができます。プロジェクトはZai...

geminicli2apiは、GitHubでホストされているオープンソースのFastAPIベースのプロキシサーバです。ネイティブのGemini APIエンドポイントをサポートしながら、Google Gemini CLIの機能をOpenAI互換のAPIインターフェースに変換します。開発者 ...

Xiaozhi Clientは、Flutterフレームワークに基づいて開発されたクロスプラットフォームのAIアシスタントアプリで、Android、iOS、Web、Windows、macOS、Linuxなどの複数のプラットフォームをサポートしている。WebSocket技術によりリアルタイムの音声対話とテキスト対話を実現し、ユーザーはいつでもどこでもAIアシスタントとコミュニケーションをとることができます。アイテム...

Refact.aiは、開発者のために設計されたオープンソースのAIプログラミングアシスタントで、Visual Studio CodeやJetBrainsなどの主要なIDEをサポートしています。Refact.aiは、インテリジェントなコード補完、コードリファクタリング、自然言語対話を通じて、プログラミングの生産性を劇的に向上させます。

Chrome MCP ServerはChromeベースの拡張機能です。モデルコンテキストプロトコル（MCP）プロトコルを介して、AIアシスタント（Claudeなど）がユーザーのChromeブラウザを直接操作できるようになり、複雑な自動操作、コンテンツ分析、セマンティック...

MemOSは、大規模言語モデル（Large Language Models：LLM）のメモリ拡張に特化したオープンソースシステムです。MemOSは、マルチホップ推論、オープン・ドメイン・クイズ、時系列推論などのタスクで優れています。

CosyVoiceは、高品質のテキスト音声合成（TTS）技術に焦点を当てた、オープンソースの多言語音声生成モデルです。多言語の音声合成をサポートし、ゼロサンプル音声生成、言語横断的な音声クローニング、きめ細かなセンチメント制御などの機能を提供します。Cos- yVoice 2.0は前バージョンと比較して、大幅に...

Qwen3-8B-BitNetは、Hugging Faceのユーザーcodys12によって開発・ホストされているオープンソースの大規模言語モデルです。このモデルはQwen3-8BをBitNet技術で微調整したもので、約10億トークンのデータセット（Prime I...）を使用しています。

xmcpはTypeScriptベースの開発フレームワークで、MCP（Model Context Protocol）アプリケーションの構築と配布のために設計されている。xmcpは開発プロセスを簡素化し、開発者が効率的なツールを素早く作成し、MCPエコシステムにデプロイすることを可能にする。

21st.devはReact UIコンポーネントの作成、共有、インストールに特化したオープンソースプラットフォームです。shadcn/uiにインスパイアされ、Tailwind CSSとRadix UIをベースにした軽量でモダンなコンポーネントを提供しています。開発者は、コンポーネントを素早くインストールしたり、作品を公開したり、AIを使って複数のUIバリエーションを生成したりすることができます。

Trae Agentは、ByteDance社がオープンソース化したLarge Language Model（LLM）に基づくソフトウェアエンジニアリングのタスク自動化ツールです。コマンドラインインターフェイス（CLI）を通じて自然言語による指示を受け取り、コードの記述やバグの修正、プログラムの最適化といった複雑なプログラミング作業を自動化する。このプロジェクトは現在アルファ版である。

Gen CLIは、GoogleのGemini CLIをフォークしたオープンソースのコマンドラインツールで、GitHubでホストされており、開発者向けに設計されている。ターミナルを通じてAI機能を提供し、DeepSeekのようなAIモデルをサポートし、ユーザーが自然言語を使用してコードを生成し、開発タスクを自動化することを可能にする。

DeepResearchは、GitHubでホスティングされているオープンソースのAIリサーチアシスタントで、検索エンジン、ウェブクローリング、大規模言語モデリング（LLM）を組み合わせることで、ユーザーがディープリサーチを自動化できるように設計されています。開発者のcat3399によって、使いやすいリサーチツールを提供することを目標に作成されました。

THESIS AgentはGitHubにホストされているオープンソースのAI Intelligent Bodyツールで、学術論文をより効率的に完成させるために設計されています。文書の処理、データの分析、コンテンツの生成を自動化することで、学術研究に関わる退屈な作業を軽減する。このプロジェクトは、マルチインテリジェンスを組み合わせた高度な言語モデルに基づいている。