オープンソース。新しい可能性。

FaceSwapは、深層学習を活用したオープンソースのPythonアプリケーションで、画像や動画の顔置換を実現する。抽出・学習・変換のmulti-stageパイプラインを持ち、CLIとGUIの両インターフェースをサポートし、CUDA対応GPUによる高速処理が可能。

AirSimは、Microsoftが開発したドローンと自動車向けのオープンソースシミュレータです。Unreal Engineプラグインとして実装され、実験的なUnityリリースもあります。PX4およびArduPilotによるソフトウェアインザループおよびハードウェアインザループシミュレーションをサポートし、AI研究向けに画像収集や車両制御のためのクロスランゲージAPIを提供します。

VoxCPM2は、トークナイザー不要のテキスト読み上げシステムで、2Bパラメータの拡散自己回帰モデルを持ち、30言語をサポートし、テキスト説明からの音声デザイン、制御可能な音声クローン、48kHz音声出力を提供します。

NVIDIA NeMo Speechは、Apache-2.0のPyTorchフレームワークで、ASR、TTS、音声LLMを対象とし、事前学習済みチェックポイントとDocker/uvインストールを提供する音声AIモデル構築・カスタマイズ・デプロイ用です。

Eclipse Deeplearning4J（DL4J）はJVM対応のオープンソース深層学習エコシステムであり、Java、Scala、Kotlinなどからモデル構築・訓練・展開が可能。Keras、TensorFlow、ONNXのインポート、ND4J線形代数、SameDiff自動微分、DataVecでデータ前処理、CPU/GPU対応。