オープンソースの AI 画像・動画・音声ツール
画像生成・編集、音声合成、動画制作。
トピックまたはキーワードからHDの短いビデオを自動的に生成し、スクリプト、字幕、バックグラウンドミュージック、編集を含みます。
短いビデオの作成をワンストップで解決し、時間を節約できます。
導入公式ウェブサイトにアクセスしてインストールパッケージをダウンロードするか、Python環境でインストールしてください。ノードグラフで画像・動画・音声生成モデルを組み合わせるローカル GUI 兼バックエンド。Flux、Wan、Qwen-Image などの最新モデルに対応しています。
新しいオープンモデルはたいてい ComfyUI で最初に使えるようになり、ワークフローはファイルとして保存・共有できます。設定不要のデスクトップ版もあります。
導入comfy.org から ComfyUI Desktop をダウンロード、または pip install comfy-cli && comfy installデスクトップ向け AI 画像拡大ツール。低解像度の写真やイラストを2〜16倍に拡大してディテールを補完し、一括処理もできます。
ドラッグ＆ドロップですぐ使え、Python 環境は不要。Vulkan 対応で多くの GPU で動作し、Topaz Gigapixel の無料代替になります。
bilibili がオープンソース化したゼロショット音声合成。数秒の参照音声で声質を複製でき、感情や正確な長さも制御できます。中国語と英語の品質が高いです。
音声の長さを指定できるため、動画の吹き替えで口の動きに合わせるのに向いています。中国語の発音や多音字の処理は多くのオープンソース TTS より優れています。
動画をある言語から別の言語に翻訳し、音声認識、字幕翻訳、吹き替え、動画への合成までを自動で行います。文字起こしや TTS 単体の利用も可能です。
インストール不要の Windows 向けパッケージ版があり、ローカルの Whisper や複数の翻訳／TTS サービスに接続できます。作者のメンテナンスが非常に活発です。
導入Windows はパッケージ版をダウンロード。macOS／Linux は git clone 後に uv run sp.py を実行動画の音声認識、文分割、翻訳、字幕の位置合わせ、AI 吹き替えをワンクリックで行い、Netflix 規格の1行字幕を出力します。
LLM で「理解してから翻訳」し、さらに校正するため、一文ずつの機械翻訳より字幕の質が高くなります。外国語動画に中国語字幕を付けるのに向いています。
更新日 2026年10月25日 · ★ GitHub