3月28日のトレンドリポジトリ

oh-my-claudecodeは、AIコーディングツール「Claude Code」を複数のAIエージェント（自律的に動くAIの分身）で同時に動かせるようにする拡張ツールです。たとえば「タスク管理APIを作って」と自然な言葉で指示するだけで、計画→設計→実装→検証→修正を複数のAIエージェントが自動で分担して進めてくれます。さらにOpenAIのCodexやGoogleのGeminiといった別のAIも混ぜて使えるため、異なるAIの得意分野を組み合わせた開発が可能です。設定はほぼ不要で、プログラマーが難しいコマンドを覚える必要がなく、自然言語やシンプルなキーワードだけで操作できるのが大きな特徴です。

insanely-fast-whisperは、OpenAIの音声認識AI「Whisper」を自分のパソコン上で驚異的な速さで動かせるコマンドラインツールです。通常なら30分以上かかる2.5時間分の音声の文字起こしを、わずか約1分半で完了できます。Hugging Face社のTransformersライブラリとFlash Attention 2という高速化技術を組み合わせることで、この圧倒的なスピードを実現しています。NVIDIA製のGPU（グラフィック処理装置）やApple Silicon搭載のMacを持っている人なら、ターミナル（黒い画面）からコマンド1つで簡単に使い始められます。動画制作者、ポッドキャスト配信者、議事録作成が必要なビジネスパーソンなど、大量の音声を素早くテキスト化したい人に最適なツールです。

Chandra OCR 2は、画像やPDFをMarkdown・HTML・JSON形式に変換する最先端のOCR（光学文字認識）モデルです。通常のテキストだけでなく、複雑な表、数式、手書き文字、フォームのチェックボックスまで正確に読み取り、元のレイアウトを保ったまま構造化データに変換できます。90以上の言語に対応しており、日本語やアラビア語、ヒンディー語なども高精度で処理できます。広く使われているolmOCRベンチマークでトップクラスの性能を達成しており、GPT-4oやGeminiなどの汎用AIモデルを大幅に上回る精度を誇ります。プログラマーでなくても、コマンド1つで簡単に使い始められる点も魅力です。

Dexterは、複雑な金融・財務に関する質問を投げかけると、AIが自動で調査計画を立て、リアルタイムの市場データを使って分析し、自分の作業結果を検証しながら回答を導き出してくれる自律型の金融リサーチエージェントです。たとえば「Appleの過去5年間の収益成長率はどうなっている？」と聞くだけで、損益計算書やバランスシートなどのデータを自動取得し、ステップバイステップで分析してくれます。プログラマー向けのAIアシスタント「Claude Code」の金融リサーチ特化版のようなイメージで、投資家やアナリストなど財務データを頻繁に扱う人に特に便利です。WhatsApp経由でスマホからチャット感覚で質問できる機能も備えています。

Twentyは、高額で囲い込みの強いSalesforceなどの商用CRM（顧客管理システム）に代わる、無料で使えるオープンソースのCRMです。NotionやAirtableのような洗練されたデザインで、顧客情報の管理・メール連携・カレンダー連携・ワークフロー自動化などをひとつの画面で実現できます。テーブル表示やカンバンボード（付箋を並べ替えるような画面）でデータを自由に整理でき、オブジェクトやフィールドを自分の業務に合わせてカスタマイズできます。数百人の開発者がコミュニティとして一緒に開発しており、自社サーバーに設置して完全にデータを自分で管理することも可能です。営業チームや小規模ビジネスから大企業まで、顧客情報を安全かつ柔軟に管理したいすべての人に向いています。

Onyxは、ChatGPTのようなAIチャット機能を自分のサーバーで動かせるオープンソースのAIプラットフォームです。OpenAIやAnthropic、Geminiなど有名なAIモデルはもちろん、自分のパソコン上で動くAI（Ollamaなど）にも対応しており、好きなAIを自由に選んで使えます。Slack・Google Drive・Notionなど40種類以上のアプリから情報を取り込み、AIがそれらの社内知識をもとに回答してくれる「RAG（社内データを参照してAIが答える仕組み）」が大きな特徴です。さらにカスタムエージェント（特定の仕事を自動でこなすAIアシスタント）の作成、Web検索、画像生成、コード実行、ディープリサーチ（複数ステップの深い調査）など機能が非常に豊富です。個人から大企業まで、インターネットに繋がらない環境でも安全に運用できるように設計されています。

VibeVoiceはMicrosoftが開発したオープンソースの音声AIモデル群で、「音声からテキストへの変換（音声認識）」と「テキストから音声への変換（音声合成）」の両方をカバーしています。音声認識モデルは最大60分の長い音声を一度に処理でき、「誰が・いつ・何を話したか」を構造的に書き起こせるのが大きな特徴です。音声合成モデルは最大90分の長い会話音声を4人の話者で自然に生成でき、リアルタイム版は約0.3秒の遅延で即座に音声を出力できます。50以上の言語に対応しており、研究者や開発者が自由に試せるよう、モデルの重みやコードが公開されています。VibeVoiceは独自の超低フレームレート（7.5Hz）の音声トークナイザーと、大規模言語モデル（LLM）を組み合わせた「次トークン拡散」という新しい仕組みで高品質と高効率を両立しています。

AI-Scientist-v2は、人間の手を借りずにAIが自ら仮説を立て、実験を行い、データを分析し、科学論文を書き上げるシステムです。前身のv1では人間が用意したテンプレートが必要でしたが、v2ではテンプレートなしで、より幅広い機械学習の研究分野に対応できるようになりました。「木構造探索」という手法を使い、複数の実験の方向性を同時に試しながら最も有望なアプローチを見つけ出します。実際にAI-Scientist-v2が完全に自動で書いた論文がICLR 2025のワークショップで査読を通過し、受理された実績があります。AIによる科学研究の自動化に興味のある研究者やエンジニアに向けたツールです。

FreeCADは、実際のモノづくりのための無料・オープンソースの3D設計ソフトウェアです。「パラメトリックモデリング」という仕組みにより、設計の途中でサイズや形を変えたくなっても、履歴をさかのぼって数値を変更するだけで自動的に全体が修正されます。2Dのスケッチから3Dモデルを作ったり、逆に3Dモデルから製造用の図面を作成したりできます。製品設計、機械工学、建築など幅広い用途に対応し、趣味の工作からプロの設計まで使える本格的なツールです。Windows・macOS・Linuxのすべてで動作します。