pyVideoTransは、動画や音声の音声認識、字幕生成・翻訳、AI音声合成、吹き替え、音声と映像の同期までを一括して行うオープンソースの動画翻訳ツールです。ローカルモデルと各種オンラインAPIに対応し、GUI、CLI、WebUI、Dockerによる実行環境を提供します。

関連: jianchang512/pyvideotrans／動画を翻訳して吹き替えるAI／GitHub

Google AI StudioのWebプロトコルを変換し、OpenAI Chat Completions・Responses、Anthropic Messages、Gemini GenerateContent互換のAPIとして提供する高性能プロキシサービスです。複数Googleアカウントのローテーション、ストリーミング、画像・動画・音声生成、Googleツール、ファイル、Live通信などに対応し、Web UIからアカウントやサービスを管理できます。

関連: Mag1cFall/AIStudio2API／GitHub

TalkWithMeは、ローカルで動作するllama.cppサーバーと接続して利用する、単一ユーザー向けのチャットWebアプリケーションです。複数のAIペルソナによるグループチャット、チャットルーム、会話履歴保存、任意のTTS・STT・MCPツール連携に対応しています。

関連: scorbo2/TalkWithMe／ローカルAIグループチャット／GitHub

MOSS-TTS Familyは、音声合成・音声クローニング・多話者対話・リアルタイム音声生成・音声設計・環境音生成を扱うオープンソースAIモデル群です。PyTorchベースの推論に加え、llama.cppとONNX Runtimeを利用したTorch不要の軽量推論や、SGLang-Omni・vLLM-Omniによる高速配信にも対応しています。

関連: OpenMOSS/MOSS-TTS／高品質な音声と効果音を生成するAI／GitHub

MSMC-TTSは、マルチステージ・マルチコードブックVQによる高品質なニューラル音声合成システムの実装です。MSMC-VQ-GANベースのオートエンコーダーで音声表現を学習し、マルチステージ予測器でテキストから音声を合成できます。CSMSCなどの中国語データセットを用いた学習、マルチGPU学習、推論に対応しています。

関連: hhguo/MSMC-TTS／高品質な音声合成AI／GitHub

DetailTTSは、テキストと参照音声から話者性を保った音声を生成するゼロショット音声合成システムです。VITS系のVQVAEと音声トークナイザーを組み合わせ、英語・中国語・日本語・韓国語に対応し、学習・推論・ファインチューニングを提供します。

関連: adelacvg/ttts／ゼロショット音声合成AI／GitHub

JAMは、歌詞から楽曲を生成する530MパラメータのRectified Flowベース音楽生成モデルです。単語・音素レベルのタイミングや発音 duration、全体の曲長、音声またはテキストによるスタイルを細かく制御でき、推論だけでなく事前学習、教師ありファインチューニング、DPOによる学習にも対応しています。

Movie Narratorは、映画情報や映像素材を入力として、LLMで映画 recap（あらすじ紹介）台本を生成し、音声ナレーション、字幕、BGM、映像編集を組み合わせた完成動画を自動生成するPython製ツールキットです。CLIを中心に、16段階のパイプライン、複数候補の比較、参照動画のスタイル模倣、多言語字幕、QA、非同期タスク処理、REST API、プラグイン拡張などを提供します。

OpenGuiderは、ユーザーのPC上で実際のUI操作を支援するElectron製のデスクトップAIアシスタントです。チャット、タスク計画・再計画、スクリーンショット解析、座標付きポインター案内、音声入出力、セッション履歴、プラグインおよびブラウザ自動化機能を提供します。複数のLLMプロバイダーやローカルモデルにも対応しています。

CC-Beeperは、Claude Codeの実行状況をデスクトップ上に表示するネイティブmacOS向けフローティングページャーです。ローカルHTTPフックで複数セッションを監視し、完了・エラー・権限要求・入力待ちなどの状態表示、権限の自動承認モード、グローバルホットキー、音声入力・読み上げを提供します。