Python のおすすめオープンソースプロジェクト

Stable Diffusion XLベースのオフラインで使えるオープンソース画像生成ツール。少ないプロンプト調整で利用できるGradio Web UIを搭載。

テキスト、画像、音声、キャラクターの動きから動画を生成する、MoE対応のオープンソース動画生成モデル群。

AUTOMATIC1111のWebUIを継承したForgeのフォークで、Stable Diffusionや新しい画像・動画モデルを実行するGradio製Web UI。

画像・動画・音声・3Dをローカル生成するためのノードグラフGUI、API、バックエンド。

Tencent Hunyuanのオープンソースモデル。参照画像とキーボードやマウスの入力から、操作可能なゲーム動画を生成します。

テキストからフル楽曲を生成し、カバーや部分修正、ステム分離もできるオープンソースのローカル音楽生成モデル。

Skywork AIによる、実行可能なゲームエンジン上で因果動画モデルを使い、プレイ可能なシーンをフレーム単位で描画するオープンソースのインタラクティブな世界モデルです。

FSDP2、Muon、Liger kernelsに対応し、vision-language・diffusion・MoEアーキテクチャを扱えるマルチモーダルモデル向けの統合学習エンジン。

GPUまたはCPUでFFmpegエンコードを行い、指定したファイルサイズに収める無料のセルフホスト型動画圧縮ツールです。

開発者がアプリケーションをゼロから作るチュートリアルを、言語別にまとめた厳選リストです。

ペアリングしたBluetooth端末が圏外になると、デスクトップを自動でロックするPython製CLIです。

OpenAI WhisperでYouTube動画やローカルの音声・動画ファイルを文字起こしするセルフホスト型Webアプリ。

ストリーミング音声文字起こしで学習し、動画にリアルタイムで解説を付ける動画LLM。GradioとCLIのデモを提供。

lazygitに着想を得た、複数のSQLデータベースに接続してクエリを実行できるキーボード操作主体のTUI。

14BのWan2.2-S2Vをベースに、実質無制限の長さでストリーミング生成できる、音声駆動のリアルタイムアバター動画生成フレームワーク。

表形式データを見やすいASCIIテーブルとして出力し、HTML、JSON、CSV、LaTeX、Markdownにも変換できるPythonライブラリ。

ONNX AIモデルで画像・動画の拡大、顔の修復、ノイズ除去、フレーム補間を行うWindowsデスクトップスイート。

NLP、正規表現、ルールを使ってテキスト・画像・構造化データの個人情報を検出、匿名化するオープンソースSDK。

写真を顔・日付・場所で分類・整理できる、クラウドにアップロードせず端末内で処理するプライバシー重視のデスクトップアプリ。

TikTokのライブ配信を音声・映像付きで録画するPython製CLIツール。手動・自動・フォロー中のアカウント向けモードに対応。