DeepReinforce の Ornith は、課題を出すこと、足場を組むこと、解き方を書くことをモデル自身に任せ、規模は 9B から 397B までの三つ。MIT の許可で出され、256K の前後関係と手元での運用に対応する。

Tencent Cloud が公開した自前運用の相棒 プラットフォーム。会話、作業場所、鍵はすべて手元に残り、九つの連絡 サービス が同じ専門家の組へ流れ込む。

DeepSeek が公開したエージェントの実行環境。机上版は Node.js と Python を同梱し、四つの作業の型、拡張の管理ページ、軌跡の表示を備える。

いつも使っている編集の道具に差し込む公開の拡張で、どのモデルと話すかを自分で決める。雲の上、手元、社内の網の中。設定は自分の手元の書類に書く。

アプリではなく、論文とその公式実装。訓練データはすべて合成で作り、許諾が緩いので画面付きの製品がこぞって殻に包む。入口は三つあり、代償はそれぞれ違う。

四つの層を深さで分ける。コード不要の画面、対話の層、イベント駆動の中核、拡張パック。すでに保守モードなので、本当の問いは「ここから始めるか、動かし続けるだけか」になる。

普段使っているチャットアプリの中に住み、記憶をすべて自分のディスクに残すアシスタント。非営利財団が保有し、有料プランはなく、ゲートウェイ一つのプロセスが 29 のチャネルをコーディングエージェントにつなぐ。

声質の変換とその場の声チェンジを行うオープンソースの枠組み。学習には少なくとも十分の静かな音声が要り、端から端までの遅れは 170 ミリ秒に届く。画面も二種類そろっている。

混ぜられた曲をドラム、ベース、声、残りの伴奏に分けるオープンソースの分離モデル。コマンドライン一行で走り、Python からも呼べる。コードは MIT ライセンス。

音源分離のモデルで曲を声と伴奏に分けるオープンソースの道具。公式のインストーラは画面、Python、PyTorch と依存をまとめて同梱していて、事前の準備が要らない。

Whisper の二つの穴を埋める流れだ。時刻は文の単位で止まり、まとめて処理する手段もない。WhisperX は強制アラインメントで語の時刻まで詰め、話者も見分け、large-v2 で実時間の 70 倍とうたう。

自分のパソコンの中で書き起こしと翻訳を済ませるデスクトップの道具で、土台は Whisper。音声や動画のファイルとリンクを扱い、マイクからはその場で書き起こし、話者も見分け、テキストと SRT、VTT に書き出せる。

文字起こしと英語への翻訳、言語の判定を一つの流れでこなす汎用の音声認識モデル。大きさは約 3900 万から約 15.5 億パラメータまで六種類。コードも重みも MIT ライセンスで配布される。

手元のマシンに導入して動かすゼロショット音声合成。参照音声は一本でよく、感情も話速も発音もパラメータで調整できる。重みの扱いは汎用のオープンソース許諾ではなく、プロジェクト独自のライセンスで決まる。

フローマッチングで音声を合成するオープンソースのプロジェクト。pip パッケージ、コマンドライン推論、Gradio の画面を用意する。コードは MIT だが、学習済みの重みは学習データの都合で非商用に限られる。