記事一覧

36 / 86ページ(全2,054記事)

LongVideoAgent — 長尺動画のためのマルチエージェント推論

LongVideoAgentは、長尺(long)動画の理解と推論を対象としたマルチエージェントフレームワークの公式リポジトリです。香港科技大学の研究チームによるarXiv論文(2025年)に伴う実装とデータセットが予定されており、動画を分割・協調処理することで長期的な時系列依存関係や記憶管理、効率的な推論を可能にする設計思想を提示します。現時点ではコードとデータは「coming soon」とされていますが、論文とプロジェクトページが公開されています。

long-videomulti-agentvideo-reasoning

Narsil MCP — Rust製の高性能コードインテリジェンスサーバー

Narsil MCPは、プライバシーを重視したRust製のMCPサーバーで、74の解析ツール、14言語対応、セキュリティスキャンやコールグラフ生成などを備えた深いコードインテリジェンスを提供します。ローカル運用やオンプレミスでの解析に適し、高速で安全な実行を重視した設計です。(約300字)

RustMCPCode Intelligence

Ultimate Linux(究極のLinux)

JavaScriptで書かれた極小のLinux風マイクロディストリビューション。ほとんどが純粋なJavaScriptでユーザースペースを実装し、マウントなど一部の低レベル操作にだけ最小限のCコードを使うという実験的・教育的プロジェクトです。シンプルなシェル(ls, cd, cat, mkdir, mount, exit)を備え、Unix/Linuxのシステムコールやユーザ空間の振る舞いについて学ぶための玩具的実装を目的としています。

LinuxJavaScriptミニディストリ

Valtec — ベトナム語マルチスピーカーTTS

Valtec はベトナム語に特化した高品質マルチスピーカー音声合成(TTS)システムです。GPUを用いた超高速推論(RTF 0.014 程度)や高度なテキスト正規化・音素化を備え、複数話者を扱えるモデルとHugging Faceからの事前学習モデル自動ダウンロード、簡潔なAPI/Gradioデモで手軽に試せます。研究・実運用の双方に適した実装が揃っています。

TTSベトナム語音声合成

YourInfo — リアルタイムブラウザ指紋と行動分析デモ

YourInfoは、ブラウザ指紋(Canvas / WebGL / audio / フォントなど)とユーザー行動(マウス、スクロール、入力)のリアルタイム収集によって、ウェブ上でどのように個人が識別・追跡されうるかを可視化するデモアプリケーションです。クロスブラウザ追跡やハードウェアに基づく識別、Grok AIを使ったプロファイリング解析、インタラクティブな3Dグローブ表示などを組み合わせ、プライバシー意識喚起と技術的理解を促します。開発はTypeScript中心で、リアルタイム性と視覚化に重点を置いています。

ブラウザプライバシー可視化

effect-distributed-lock — Effect用分散ミューテックスライブラリ

Effectエコシステム向けの分散ロック(ミューテックス)ライブラリ。スコープベースでロックを自動解放し、TTLの自動更新やリトライ/タイムアウト設定を備えた実装で、Redisをはじめとするプラガブルなバックエンドをサポートします。障害時のデッドロック回避や安全な共有資源アクセスを簡潔に実現する軽量ライブラリです。(約300字)

TypeScriptdistributed-lockEffect

Fun-Audio-Chat — 音声対話向け大規模オーディオ言語モデル

Fun-Audio-Chatは、自然で低遅延な音声対話を目的に設計された「大規模オーディオ言語モデル(Large Audio Language Model)」プロジェクトです。リポジトリには技術報告書、サンプル資産、サブモジュール設定などが含まれ、音声の入力(理解)から出力(合成)までを低遅延で扱うための設計思想や実装例が提示されています。音声トークナイゼーションやストリーミング推論、軽量化・最適化の方針を知りたい研究者・開発者に有益なリソースです(約300字)。

AudioLLMReal-time

GeminiWatermarkRemover — Gemini生成画像の✦水印を除去するブラウザツール

Gemini AIが生成する画像に入る「✦」マークをブラウザ上で除去する軽量ツール。完全クライアントサイドで動作し、数式的なアルファ合成による高速除去と、LaMaベースのAI修復による高品質除去の二方式を提供します。JPEG/PNG/WebPに対応し、バッチ処理や個別ダウンロードも可能。サーバー不要でプライバシー面でも安心して使えます(モデルを用いる方式は約200MBのダウンロードが必要)。

WatermarkAIBrowser

LeanCLR — 軽量クロスプラットフォームCLR実装

LeanCLRはECMA-335準拠を目指した「軽量」で組み込み向けのCommon Language Runtime実装です。CoreCLRやMonoが大きくなりがちな環境で、モバイルやブラウザ(H5)、ミニゲームなど資源制約のあるプラットフォームでも使えるよう、サイズ・メモリ消費を抑えつつ移植性を確保する設計が特徴です。単一スレッド版のビルドでWin64やWebAssembly上約600KBを実現するなど、小型化に重点を置いています。

CLRWebAssemblyEmbeddable

OBS PipeWire Video ソース(obs-pwvideo)

OBS用のPipeWireビデオ入力プラグインで、Wayland上の画面/ウィンドウキャプチャやPipeWire経由のウェブカメラ映像を汎用的なビデオソースとしてOBSに提供します。元はOBSのPipeWireビデオコードのフォークで、JACKのオーディオソースに相当する役割を果たし、libfunnelなどPipeWireで映像を送信するアプリと組み合わせて、Spout2/Syphonのようなプラットフォーム間連携を実現します。軽量でCMakeベースのビルドを採用しており、Wayland環境でのキャプチャの柔軟性を高めます。

PipeWireOBSWayland

poly-sdk — Polymarket 統合SDK

Polymarket の複数 API(Data API、Gamma API、CLOB API)と WebSocket のリアルタイム更新を統一的に扱う TypeScript 製 SDK です。マーケット取得、トークン価格、オーダーブックの解析済みビューなどを簡潔なメソッドで提供し、フロントエンドやサーバー側で Polymarket データを扱いやすくします。インストールは pnpm に対応しており、examples と docs を備えた小規模で使いやすいライブラリです。

PolymarketSDKTypeScript

unredact — PDFの可視的伏せ字からテキストを復元するツール

PDF内で「選択可能だが視覚的に伏せ字(黒塗り/赤線)」になっているテキストを抽出し、ページレイアウトをできる限り保持したまま人間が読める形で再現するためのシンプルなPythonユーティリティ。暗号解除やセキュリティ機能の回避は行わず、PDFコンテンツストリーム内に残存するテキスト情報のみを扱う。ドキュメント解析、アーカイブ調査、改ざん/伏せ字処理の検証などを想定している。

PDFRedactionPython

Vulnerability-Wiki-PoC(脆弱性 Wiki PoC)

2024年以降に発見された高価値資産向けの「1day」脆弱性に関するPoC(Proof of Concept)を集積・復現・解析したリポジトリ。OA/ERP/安防/ネットワーク/大規模言語モデル/コンテナなど幅広い対象を実戦視点でカバーし、セキュリティ研究・脆弱性検出・コンプライアンス対応を支援する実用的なアーカイブです。(約300字)

VulnerabilityPoCEnterprise-Security

Gemini のウォーターマーク除去ツール

Gemini Watermark Remover は、Google Gemini(生成されたAI画像)に入る透かし(ウォーターマーク)をブラウザ上で除去するための軽量なクライアントサイドツールです。完全にローカルで動作する設計により、画像を外部サーバに送信することなくプライバシーを保ったまま処理でき、シンプルなUIと高速な処理が特徴です。デモが公開されており、MITライセンスで配布されています(HTML/JS/Tailwindベース)。

画像処理クライアントサイドツール

HumanoidDreamWaq — Unitree G1(12自由度)移植プロジェクト

本リポジトリは、既存の強化学習ベースのプロジェクト「DreamWaQ」を出発点に、Unitree G1(12自由度)ロボット向けに移植・統合したものです。NVIDIA Isaac Gym と Legged Gym を用いた高速シミュレーション上での学習を想定しており、RSL-RL ライブラリを同梱して環境構築や学習実行を補助します。リアルロボットへの移行(sim-to-real)を視野に入れた設計で、Docker ベースの実行環境やロボット固有の設定を含む点が特徴です(依存関係としてIsaac Gymのインストールが必要)。

ロボット強化学習シミュレーション

libfunnel — Linux向けゼロコピーDMA-BUFフレーム共有ライブラリ

libfunnelは、PipeWireを使ってアプリ間でビデオフレームを簡単に共有するためのCライブラリです。DMA-BUFを用いたゼロコピー方式でフレームを渡すことにより、CPUによる余分なコピーを避け、高効率なパイプラインを構築できます。Spout2 / SyphonのLinux版に相当するコンセプトを目指しており、EGLとの連携を想定したAPIが用意されています。現状はまだAPIが安定しておらず、開発途中の状態です。

PipeWireDMA-BUFEGL

MicroQuickJS(組込み向け軽量JavaScriptエンジン)

MicroQuickJS(mquickjs)は、組込み機器向けに設計された極小サイズのJavaScriptエンジンです。ROM約100KB(ARM Thumb-2コード)、実行時メモリは10KB程度から動作可能で、QuickJSと同等の速度を目指しつつ、ES5準拠に近い機能のサブセットと「より厳格なモード」を採用することで実装とランタイムを大幅に簡素化しています。C言語で実装され、組込み向けに静的リンクや小メモリ環境での実行を想定した設計が特徴です。(約300字)

JavaScriptEmbeddedC

ParamX — JSパラメータ抽出・生成ツール

ParamXは、Webアプリの未承認テストや脆弱性調査で「欠落しているパラメータや値」を発見・補完するためのJavaScriptベースのツールです。ブラウザ拡張として動作し、ページ内や外部JSからパラメータ名・値の候補を抽出し、辞書化・再利用できるようにすることで、fuzzや手動テストで見落としがちな入力ポイントを効率的に洗い出します。開発者やセキュリティリサーチャー向けの実用的な補助ツールです(約300字)。

JavaScriptBrowserExtensionPentest

プロジェクト多階層インデックスシステム(project-multilevel-index)

Project Multi-level Index は、ドキュメントとコードを自己参照的に整理・索引化する分散的/多階層インデックスシステムです。ゴードン=エッシャー=バッハ(GEB)的なフラクタル自指を思想的背景に持ち、プロジェクト構造のメタ情報を自動生成・更新することで、ドキュメント整合性とメンテナンス性を高めます。Claude プラグインなどのツール連携を想定した設計で、i18n やバージョニングも考慮されています(約300字)。

ドキュメント索引自動化

DoomScope:自動化Webセキュリティ/リコンフレームワーク

DoomScopeは、手作業で何日もかかるリコンおよび脆弱性スキャン工程を、依存関係を意識した単一の自動化パイプラインに統合するフレームワークです。複数ツールの独立実行を排して、各段階が検証済みの出力を受け渡す設計により、冗長な作業を抑え再現性の高い解析を実現します。Pythonで実装され、モジュール化されたワークフローによる拡張性と運用の効率化に注力しています。(約300字)

ReconAutomationWebSecurity

Lumina Energy Card:家庭向け3Dエネルギーモニタリングカード

Lumina Energy Cardは、Home AssistantのLovelace向けに設計されたモダンな3Dダッシュボードカードです。家庭内消費、太陽光アレイの複数管理、バッテリーの状態、EV充電の状況などを一つのビジュアルに集約して表示。HACS対応で配布され、distフォルダには背景画像などのビルド済みアセットが含まれます。カスタムカードとしてインストールすれば、視覚的に分かりやすいエネルギー監視パネルをすばやく導入できます(約300字)。

Home AssistantLovelaceEnergy

NRelay — 自前で動かせる高速リバーストンネル

NRelayはRustで実装された自己ホスト可能なリバーストンネルシステム(Ngrok代替を目指すWIP)です。TCP/UDP/SNI/HTTP/MCなど複数プロトコルをサポートし、ローカルサービスを安全にインターネットに公開できます。高性能な非同期処理と接続多重化により低レイテンシでのトンネル運用を想定しており、オープンソースで自己管理できる点が特徴です。将来的な認証・暗号化・ルーティング機能の拡張が期待されます。

RustReverseTunnelSelf-hosted

Open-AutoGLM-Android の日本語紹介

Open-AutoGLM-Android は、AI(AutoGLM 系)を活用して Android デバイスの操作を自動化することを目指すオープンソースのモバイルアプリプロジェクトです。Kotlin で実装されたアプリケーション本体を含み、アクセシビリティやサービスを通した UI 操作の自動化、音声やコマンドからの操作指示生成などを念頭に置いた設計が想定されます。軽量な構成でビルドは Kotlin DSL(build.gradle.kts)を利用し、将来的なモデルやバックエンド接続(ローカル/リモート)を取り回す拡張性を備えることが期待されます。(約300字)

AndroidAIAutomation

Seer スキル — macOSアプリウィンドウの視覚フィードバックキャプチャ

Seer(seer-skill)は、macOS上でアプリケーションウィンドウの「視覚的フィードバック」を連続的にキャプチャしてデモや検証用のGIF/動画を生成するためのスキルです。Codexのskill-installerから導入でき、単純なシェルスクリプト群とリソースで構成されていることから、軽量に動作し、スクリーン録画やウィンドウ指定キャプチャ、画像→動画変換といったワークフローを自動化します(macOS専用)。

macOSscreen-captureautomation