PotPlayer_ChatGPT_Translate

GitHub
930 63 简单 1 次阅读 今天GPL-3.0语言模型插件数据工具开发框架视频
AI 解读 由 AI 自动生成,仅供参考

PotPlayer_ChatGPT_Translate 是一款专为视频播放器 PotPlayer 设计的智能字幕翻译插件。它能够将兼容 OpenAI API 调用标准的各类大语言模型(包括 ChatGPT、Ollama 本地模型等)无缝集成到播放环境中,实现观看视频时的字幕实时翻译。

这款工具主要解决了用户在观看外语影片时面临的語言障碍问题。传统机器翻译往往缺乏上下文理解,导致译文生硬或歧义,而该插件利用大模型的语境感知能力,能提供更自然、准确的翻译结果,显著提升跨语言观影体验。

它非常适合广大普通视频爱好者使用,尤其是经常观看无字幕或外文原声影片的用户。同时,由于支持接入 Ollama 等本地部署模型,它也吸引了注重数据隐私或希望免费使用开源模型的技术玩家。安装过程提供了全自动向导,无需编写代码即可轻松配置。

其独特的技术亮点在于高度的模型兼容性与时机把握:不仅支持云端 API,还能连接本地私有模型;在翻译策略上,用户可灵活选择“带上下文”模式以追求高质量译文,或选择“无上下文”模式以获得更低延迟的即时反馈。无论是追剧还是学习外语,它都能成为得力的辅助助手。

使用场景

资深数据工程师李明正在利用晚间时间观看一场关于最新大模型架构的英文技术讲座视频,急需理解其中复杂的术语和逻辑细节。

没有 PotPlayer_ChatGPT_Translate 时

  • 翻译生硬且丢失语境:播放器自带的机器翻译将"Transformer attention mechanism"直译为“变压器注意机制”,导致专业概念完全错误,必须频繁暂停去搜索引擎查证。
  • 打断学习心流:为了看懂字幕,不得不反复暂停、回放甚至手动复制字幕到翻译网站,原本连贯的技术思路被切割得支离破碎。
  • 无法处理长句逻辑:遇到讲师快速输出的长难句时,传统翻译工具只能逐句直译,无法结合上下文推断指代关系,导致逻辑链条断裂。
  • 本地模型部署门槛高:虽然想尝试更聪明的本地模型,但缺乏将 Ollama 等工具与播放器实时对接的便捷方案,配置过程极其繁琐。

使用 PotPlayer_ChatGPT_Translate 后

  • 语境感知精准翻译:插件调用 ChatGPT 或本地 Ollama 模型,能识别技术语境,将专业术语准确译为"Transformer 注意力机制”,并自动优化句式符合中文习惯。
  • 沉浸式无感学习:字幕在视频播放过程中实时流转翻译,无需任何暂停或额外操作,李明可以像看母语视频一样流畅地吸收知识。
  • 上下文逻辑连贯:模型能记忆前文内容,准确处理代词指代和复杂逻辑推导,即使讲师语速很快,也能输出逻辑通顺的完整段落译文。
  • 灵活兼容多种模型:轻松配置连接本地部署的轻量级模型或云端 API,既保护了隐私又降低了使用成本,一键即可享受高质量翻译。

PotPlayer_ChatGPT_Translate 通过将强大的大语言模型实时嵌入播放流程,彻底消除了语言障碍,让全球优质技术视频资源变得触手可及且易于消化。

运行环境要求

操作系统
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具是 PotPlayer 的插件(使用 AngleScript 编写),并非独立的 Python 应用程序,因此无需配置 Python、GPU 或特定内存环境。运行核心需求是安装 PotPlayer 播放器并拥有可用的 AI 模型 API Key(支持 OpenAI、DeepSeek、通义千问等兼容接口,也支持本地部署的 API)。提供自动安装程序 (installer.exe) 和手动安装两种方式。
python未说明
PotPlayer (媒体播放器)
ChatGPT API 或兼容的 LLM API
PotPlayer_ChatGPT_Translate hero image

快速开始

源代码的版本并不是设计给普通用户使用的(我还没有完全测试)

如果你愿意,可以尝试,但是普通用户请在此处下载:全自动安装

  • 前段时间存储库消失是因为GitHub给我封号了

  • 【PotPlayer AI翻译插件安装教程-哔哩哔哩】 https://b23.tv/ntF2dxu

Forks Stargazers Issues License

PotPlayer_ChatGPT_Translate 🚀

一款利用ChatGPT API提供实时、上下文感知字幕翻译的PotPlayer插件。✨

It works on my machine

在我机器上能运行。

🐞 报告Bug  ·  💡 请求功能


安装 📦

全自动安装(推荐) ⚡

  1. 下载安装程序: 安装程序 (安装程序是开源的,所以你可以查看源代码)
  2. 运行安装程序 (installer.exe):
    • 双击 installer.exe 启动。
    • 如果Windows提示权限请求,请批准管理员提示
  3. 确认PotPlayer插件文件夹:
    • 向导会自动检测你的PotPlayer安装路径。
    • 请确认目标文件夹为: ...\PotPlayer\Extension\Subtitle\Translate
    • 如果你将PotPlayer安装在自定义位置,请浏览到正确的 Translate 文件夹。
  4. 选择插件版本:
    • 带上下文(翻译质量更好,但延迟稍高)。
    • 无上下文(速度更快,但缺乏上下文感知能力)。
  5. 配置模型和API端点:
    • 模型名称: 输入模型ID(例如:gpt-4.1-nano)。
    • 自定义API基础URL(可选): 使用 ModelName|API Base URL
    • 无需密钥的端点: 将密钥留空并点击“验证”;如果测试成功,安装程序会注入 nullkey
  6. 输入API密钥(如需):
    • 将你的API密钥粘贴到安装程序字段中。
    • 如果你的端点不需要密钥,请将其留空,并使用“验证”功能测试空密钥;成功后,安装程序会注入 nullkey
  7. 完成安装:
    • 点击“安装”以复制文件。
    • 你还可以选择注册卸载程序条目,以便日后干净地移除插件。
    • 注意:安装程序的默认设置只写入一次;之后在PotPlayer面板中进行的任何更改都会覆盖安装程序的初始值。

安装完成后,请在PotPlayer中验证设置:

  1. 打开PotPlayer偏好设置: 按下 F5 键。
  2. 导航到扩展功能: 扩展 > 字幕翻译
  3. 选择插件: 选择 ChatGPT Translate
  4. 根据需要设置源语言和目标语言。

手动安装 🔧

  1. 下载ZIP文件: 从本仓库下载最新的ZIP文件。
  2. 解压ZIP文件: 将内容解压到一个临时文件夹。
  3. 复制文件:ChatGPTSubtitleTranslate.asChatGPTSubtitleTranslate.ico 复制到以下目录:
    C:\Program Files\DAUM\PotPlayer\Extension\Subtitle\Translate
    
    如果你需要将PotPlayer安装在自定义路径下,请相应地替换路径。
  4. 复制完成后配置PotPlayer:
    1. 打开PotPlayer的偏好设置(按下 F5 键)。
    2. 进入 扩展 > 字幕翻译
    3. 选择 ChatGPT Translate
    4. 根据需要配置 模型名称API URLAPI密钥
    5. 设置 源语言目标语言

ℹ️ 如果你在带上下文和无上下文脚本之间切换,务必同时替换两个 .as 文件。 之前使用共享 FormatFailureTranslation 名称的旧版本可能会导致PotPlayer在加载任一脚本时报告冲突(通常是标准的上下文版本)。当前文件使用带有唯一前缀的帮助函数来避免这种情况。

(返回顶部)


配置参考 ⚙️

  1. 模型名称: 您可以直接输入模型名称,系统将使用默认的 API URL。 示例:

    gpt-4.1-nano
    

    或者,您也可以使用以下格式指定自定义的 API URL:

    模型名称|API 基础 URL
    

    示例:

    gpt-4.1-nano|https://api.openai.com/v1/chat/completions
    

    注意:v1.5 及更高版本中,如果您使用的是无需 API 密钥的自托管或第三方 API,可以在末尾添加 nullkey

    gpt-4.1-nano|nullkey
    

    或:

    qwen2.5:7b|http://127.0.0.1:11434/v1/chat/completions|nullkey
    

    可选调优参数(v1.7+): 您可以附加额外的参数,用 | 分隔:

    • delay_ms(仅数字):在每次请求前增加延迟
    • retryN(N = 0–3):重试模式
      • retry0:不重试
      • retry1:当响应为空时尝试一次
      • retry2:持续重试直至获得响应(无延迟)
      • retry3:持续重试,每次尝试前有延迟
    • cache=auto / cache=off:上下文缓存模式(仅适用于上下文版本;如果不受支持,则自动回退到聊天模式)
    • smallmodel=0 / smallmodel=1:启用小型模型模式(为小型模型优化提示)
    • checkhallucination=0 / checkhallucination=1:启用幻觉检查(如果翻译长度超过原文的 5 倍则重试)

    包含所有选项的示例:

    gpt-4.1-nano|https://api.openai.com/v1/chat/completions|nullkey|500|retry1|cache=auto|smallmodel=1|checkhallucination=1
    
  2. API 密钥: 如需,请在此处输入您的 API 密钥。 如果您的端点不需要密钥,请留空;安装程序会在成功进行空密钥测试后自动注入 nullkey

    您可以使用 keytest.obanarchy.org 测试您的 API 密钥,以确保其有效。

  3. 设置源语言和目标语言: 根据需要配置源语言和目标语言。


可用模型(示例)

请使用以下格式:

模型名称|API 基础 URL|nullkey(可选)|delay_ms(可选)|retryN(可选)|cache=auto/off(可选)|smallmodel=0/1(可选)|checkhallucination=0/1(可选)

以下是支持的模型列表:

OpenAI GPT-5:gpt-5|https://api.openai.com/v1/chat/completions
OpenAI GPT-5 Mini:gpt-5-mini|https://api.openai.com/v1/chat/completions
OpenAI GPT-5 Nano:gpt-5-nano|https://api.openai.com/v1/chat/completions
OpenAI GPT-4.1:gpt-4.1|https://api.openai.com/v1/chat/completions
OpenAI GPT-4.1 Mini:gpt-4.1-mini|https://api.openai.com/v1/chat/completions
Gemini Flash:gemini-3-flash-preview|https://generativelanguage.googleapis.com/v1beta/openai/chat/completions
OpenAI GPT-5:gpt-5|https://api.openai.com/v1/chat/completions
OpenAI GPT-5 Mini:gpt-5-mini|https://api.openai.com/v1/chat/completions
OpenAI GPT-5 Nano:gpt-5-nano|https://api.openai.com/v1/chat/completions
OpenAI GPT-4.1:gpt-4.1|https://api.openai.com/v1/chat/completions
OpenAI GPT-4.1 Mini:gpt-4.1-mini|https://api.openai.com/v1/chat/completions
Gemini Flash:gemini-3-flash-preview|https://generativelanguage.googleapis.com/v1beta/openai/chat/completions
Deepseek:deepseek-chat|https://api.deepseek.com/v1/chat/completions
通义千问:qwen-plus|https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions
SiliconFlow:siliconflow-chat|https://api.siliconflow.cn/v1/chat/completions
ERNIE Bot(文心一言):ernie-4.0-turbo-8k|https://qianfan.baidubce.com/v2/chat/completions
Gemini:gemini-2.0-flash|https://generativelanguage.googleapis.com/v1beta/openai/chat/completions
ChatGLM:chatglm-6b|https://api.chatglm.cn/v1/chat/completions
LLaMA:llama-13b|https://api.llama.ai/v1/chat/completions
Code LLaMA:code-llama-34b|https://api.llama.ai/v1/code/completions
OpenAI GPT-4o:gpt-4o|https://api.openai.com/v1/chat/completions
OpenAI GPT-4 Turbo:gpt-4-turbo|https://api.openai.com/v1/chat/completions
OpenAI GPT-3.5 Turbo:gpt-3.5-turbo|https://api.openai.com/v1/chat/completions
Claude 3 Sonnet:claude-3-sonnet-20240229|https://api.anthropic.com/v1/messages
Mistral Large:mistral-large|https://api.mistral.ai/v1/chat/completions
Groq Llama 3:llama3-70b-8192|https://api.groq.com/openai/v1/chat/completions
Perplexity Sonar Large:pplx-70b-online|https://api.perplexity.ai/chat/completions
Fireworks Mixtral:accounts/fireworks/models/mixtral-8x7b-instruct|https://api.fireworks.ai/inference/v1/chat/completions
Moonshot v1:moonshot-v1-128k|https://api.moonshot.cn/v1/chat/completions
Yi 34B Chat:yi-34b-chat|https://api.lingyi.ai/v1/chat/completions
本地部署(无需 API 密钥):模型名称|http://127.0.0.1:PORT/v1/chat/completions|nullkey

安装程序中的模型名称会尽可能以您选择的语言显示。

您可以根据需要扩展或替换这些模型,使用任何兼容 OpenAI 并支持 chat/completions 端点的模型。

(返回顶部)


关于本项目 💬

PotPlayer_ChatGPT_Translate 是一款集成 ChatGPT API 的 PotPlayer 插件,能够提供实时、上下文感知的字幕翻译。与传统翻译工具不同,该插件会考虑上下文、习语和文化差异,从而生成更准确的翻译。该项目的核心采用 AngleScript 实现,同时利用 ChatGPT API 和 PotPlayer API 进行深度集成。

此插件也兼容任何遵循与 ChatGPT 相同 API 调用格式的 AI 模型。

🔍 Google 翻译 vs ChatGPT 翻译

使用 ChatGPT 进行字幕翻译的一大优势在于它能够理解上下文和文化引用。对比以下结果:

  • 原始字幕:

    "You're gonna old yeller my f**king universe."

  • Google 翻译结果:

    "你要老了我他妈的宇宙吗?" (荒谬且错误)

  • ChatGPT 翻译结果:

    "你要像《老黄犬》一样对待我的宇宙?" (正确捕捉了引用和原意)

🧐 ChatGPT 无上下文 vs. ChatGPT 有上下文对比

  • 原始字幕:

    "But being one in real life is even better."

  • ChatGPT 翻译(无上下文):

    "但是,在现实生活中成为一个人甚至更好。" (直译,未能传达隐含意义)

  • ChatGPT 翻译(有上下文):

    "但在现实生活中成为一个反派更好。" (准确把握了上下文含义)

(返回顶部)


视频教程 🎥

点击下方链接,在哔哩哔哩观看教程:

在哔哩哔哩观看

(返回顶部)


🛠️ 逻辑流程图 / 逻辑流程图
graph TD
    %% --- 初始化阶段 ---
    Start([开始:翻译]) --> InitConfig[加载配置与令牌规则]
    InitConfig --> CheckAuth{API密钥已配置?}
    CheckAuth -- 否 --> RetError([返回错误信息])
    CheckAuth -- 是 --> UpdateHist[更新字幕历史]

    %% --- 上下文管理 ---
    UpdateHist --> ContextMode{插件版本?}

    subgraph ContextLogic [上下文处理]
        direction TB
        ContextMode -- “无上下文” --> NoContextPrompt[无上下文]
        ContextMode -- “有上下文” --> CalcBudget[计算令牌预算]
        CalcBudget --> TrimHist[修剪历史\n(丢弃最旧内容 / 智能修剪)]
        TrimHist --> BuildBlock[构建上下文块]
    end

    %% --- 提示词工程 ---
    subgraph PromptEng [提示词构造]
        direction TB
        BuildBlock --> SmallModel{小型模型模式?}
        NoContextPrompt --> SmallModel

        SmallModel -- 是 --> StrictPrompt[系统:身份 + 上下文 + 指令\n用户:仅字幕文本]
        SmallModel -- 否 --> StdPrompt[系统:身份 + 上下文\n用户:指令 + 字幕文本]

        StrictPrompt --> EscapeJSON[字符串转义为 JSON 格式]
        StdPrompt --> EscapeJSON
        EscapeJSON --> BuildPayload[构建 JSON 请求体]
    end

    BuildPayload --> InitLoop[初始化重试计数 = 0]

    %% --- 统一执行循环 ---
    subgraph RetrySystem [统一执行与重试循环]
        direction TB
        LoopCond{尝试次数 <= 最大值?}
        LoopCond -- 否 --> FailFinal([返回失败信息])

        LoopCond -- 是 --> DelayCheck{是否为重试?}
        DelayCheck -- 是 --> Wait[等待配置的延迟时间]
        DelayCheck -- 否 --> CacheBranch
        Wait --> CacheBranch

        %% 缓存分支
        CacheBranch{缓存模式已启用?}
        CacheBranch -- 是 --> ReqCache[POST /responses]
        CacheBranch -- 否 --> ReqChat

        ReqCache --> RespCache{响应是否正常?}
        RespCache -- 是 --> ParseCache[提取 'output_text']
        RespCache -- 否 --> LogCacheFail[记录失败] --> ReqChat[POST /chat/completions]

        ParseCache --> HallucinationCheck

        %% 标准聊天分支
        ReqChat --> NetCheck{网络是否正常?}
        NetCheck -- 否 --> IncRetry[增加重试次数] --> LoopCond
        NetCheck -- 是 --> ParseJSON{是否为有效 JSON?}

        ParseJSON -- 不是 --> IncRetry
        ParseJSON -- 出错 --> LogAPIError[记录 API 错误] --> IncRetry
        ParseJSON -- 成功 --> ExtractContent[提取内容]

        ExtractContent --> HallucinationCheck{是否检查幻觉?}

        HallucinationCheck -- “长度 > 5倍原文” --> LogHallu[记录警告:幻觉] --> IncRetry
        HallucinationCheck -- 合格 --> SuccessBreak[退出循环]
    end

    %% --- 后处理 ---
    SuccessBreak --> PostProc[后处理]
    PostProc --> FixNewlines[修剪尾部换行符\n(Gemini 修复)]
    FixNewlines --> FixRTL[插入 Unicode RLE 符号\n(阿拉伯语/希伯来语修复)]
    FixRTL --> ReturnSuccess([返回翻译结果])

构建技术 🛠

  • AngleScript – 用于开发插件的脚本语言
  • ChatGPT API – 提供上下文感知的翻译能力
  • PotPlayer API – 实现与 PotPlayer 的无缝集成

(返回顶部)


使用方法 ▶️

当在 PotPlayer 中播放带有字幕的视频时,插件会自动调用 ChatGPT API 对字幕进行实时翻译。通过处理上下文、习语和文化差异,插件能够提供更准确的翻译。

例如:

  • 输入: "You're gonna old yeller my f**king universe."
    • 传统翻译工具可能会输出直译或生硬的翻译。
    • ChatGPT 翻译则捕捉了电影引用和上下文,给出更贴切的翻译。

(返回顶部)


路线图 🗺

  • 将 ChatGPT API 与 PotPlayer API 集成,实现字幕实时翻译。
  • 支持更多 AI 模型(计划中,但暂不紧急)。
  • 优化上下文处理,进一步提升翻译准确性。

(返回顶部)


贡献 🤝

欢迎贡献!提交拉取请求时,请清晰描述更改的目的。 如果您有改进建议或 bug 修复,请在修改前先创建一个议题。

(返回顶部)


许可证 📄

根据 GPLv3 许可证发布。更多信息请参阅 LICENSE 文件。

(返回顶部)


联系方式 📞

个人网站:obanarchy.org

(返回顶部)


致谢 🙏

  • 感谢 OpenAI 提供强大的 ChatGPT API。
  • 感谢 PotPlayer 团队打造优秀的媒体播放器。
  • 感谢所有为改进本项目提出建议或贡献代码的人士(贡献者详情将在此处更新)。

(返回顶部)


星标历史

星标历史图表


版本历史

v1.9.2-release22026/03/27
v1.9.22026/03/15
v1.9.12026/03/06
v1.92026/01/17
v1.82026/01/15
v1.7.52026/01/14
v1.7.42025/11/28
v1.7.32025/11/28
v1.7.22025/11/28
v1.7.12025/11/27
v1.62025/09/15
1.5.42025/09/15
v1.5.2-beta-installer2025/06/01
v1.5.22025/04/30
v1.5.12025/03/22
v1.52025/03/14
v1.4.62025/03/08
v1.4.52025/02/28
v1.4.42025/02/27
v1.4.32025/02/27

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|今天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|昨天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

141.5k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|今天
开发框架图像Agent

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|今天
语言模型图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|今天
开发框架图像Agent