[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-OAID--TengineKit":3,"tool-OAID--TengineKit":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":79,"owner_twitter":78,"owner_website":78,"owner_url":80,"languages":81,"stars":114,"forks":115,"last_commit_at":116,"license":117,"difficulty_score":10,"env_os":118,"env_gpu":119,"env_ram":119,"env_deps":120,"category_tags":123,"github_topics":124,"view_count":141,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":142,"updated_at":143,"faqs":144,"releases":175},641,"OAID\u002FTengineKit","TengineKit","TengineKit - Free, Fast, Easy, Real-Time Face Detection & Face Landmarks & Face Attributes & Hand Detection & Hand Landmarks & Body Detection & Body Landmarks &  Iris Landmarks & Yolov5 SDK On Mobile.","TengineKit 是一款由 OPEN AI LAB 打造的高性能移动端 AI 算法 SDK。它致力于解决复杂视觉模型在手机上部署难、延迟高的问题，提供实时的人脸检测与关键点、手部及身体动作捕捉、虹膜识别以及 YOLOv5 目标检测等多种能力。对于需要快速集成计算机视觉功能的开发者而言，TengineKit 提供了极简的 API 接口和极小的包体积，大幅降低了开发门槛。其核心优势在于卓越的性能表现，经过深度优化后，能在主流手机芯片（如麒麟、高通）上实现毫秒级响应和超高帧率，确保流畅的用户体验。无论是构建 AR 应用、智能交互界面还是边缘计算项目，TengineKit 都能提供稳定可靠的底层支持。目前项目开源且持续更新，欢迎开发者加入社区交流使用。","[中文版本](Docs\u002FREADME_CN.md)\n\n![TengineKit](https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Flogo\u002FTengineKit.png?raw=true \"TengineKit logo\")\n=======================================================================\n\n[![Apache 2.0](https:\u002F\u002Fimg.shields.io\u002Fcrates\u002Fl\u002Fr)](LICENSE)     \n\nTengineKit, developed by OPEN AI LAB.       \nTengineKit is an easy-to-integrate AI algorithm SDK. At present, it can run on various mobile phones at very low latency.**We will continue to update this project for better results and better performance!**\n\n# Effect\n\n| Face Detection &\u003C\u002Fbr> Face 2dLandmark | Face 3dLandmark &\u003C\u002Fbr>Iris | Upper Body Detection &\u003C\u002Fbr> Uppper Body Landmark | Hand Detection &\u003C\u002Fbr> Hand Landmark |\n| :---: | :---: | :---: | :---: |\n| \u003Cdiv align=center>\u003Cimg width=\"150\" height=\"270\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002FTengineKitDemo4.gif\"\u002F>\u003C\u002Fdiv> | \u003Cdiv align=center>\u003Cimg width=\"150\" height=\"270\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Fface2.gif\"\u002F>\u003C\u002Fdiv> | \u003Cdiv align=center>\u003Cimg width=\"150\" height=\"270\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Fbody3.gif\"\u002F>\u003C\u002Fdiv> | \u003Cdiv align=center>\u003Cimg width=\"150\" height=\"270\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Fhand2.gif\"\u002F>\u003C\u002Fdiv> |\n\n\n\n## Gif\n\u003Cdiv align=center>\u003Cimg width=\"800\" height=\"400\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Fobject_face_landmark.gif\"\u002F>\u003C\u002Fdiv>\n\u003Cdiv align=center>\u003Cb>dance of host\u003C\u002Fb>\u003C\u002Fdiv>\n\n## Video( \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=bnyD3laX_bU\" target=\"_blank\">YouTube\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1AK4y147xx\u002F\" target=\"_blank\">BiliBili\u003C\u002Fa> )\n[\u003Cdiv align=center>\u003Cimg width=\"568\" height=\"320\" src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Flandmark_report.png\"\u002F>\u003C\u002Fdiv>](https:\u002F\u002Fyoutu.be\u002FbnyD3laX_bU)\n\u003Cdiv align=center>\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fyoutube\u002Fviews\u002FbnyD3laX_bU?style=social\"\u002F>\u003C\u002Fdiv>\n\n# Have a try\n- [Apk](Android\u002Fapk\u002FTengineKitDemo-v1.0.3.apk) can be directly downloaded and installed on the phone to see the effect.\n\nor\n\n- scan code to download apk \n\n![Apk](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOAID_TengineKit_readme_1b0f3e70d1b9.png)\n\n# Goals\n- Provide best performance in mobile client\n- Provide the simplest API in mobile client\n- Provide the smallest package  in mobile client\n\n# Features\n- face detection\n- face landmarks\n- face 3dlandmarks\n- face attributes for example: age, gender, smile, glasses\n- eye iris & landmarks\n- body detect\n- hand detect(Real-time, not yet on Mobile)\n- hand landmarks(Real-time, not yet on Mobile)\n- body detect google(Real-time, not yet on Mobile)\n- body landamrks(Real-time, not yet on Mobile)\n- yolov5\n\n# Update (2021\u002F03\u002F25)\n- Fixed Linux sample code errer\n- Update Android sample code, up fps\n- update Linux so file\n- update Linux yolov5s\n- Fixed memory(Core v0.0.6)\n\n# Performance(Face Detect & Face Landmark)\n\n| CPU | Time consuming | Frame rate |\n| :---: | :---: | :---: |\n| Kirin 980 | 4ms | 250fps | \n| Qualcomm 855 | 5ms | 200fps |\n| Kirin 970 | 7ms | 142fps |\n| Qualcomm 835 | 8ms | 125fps |\n| Kirin 710F| 9ms | 111fps |\n| Qualcomm 439 | 16ms | 62fps |\n| MediaTek Helio P60 | 17ms | 59fps |\n| Qualcomm 450B | 18ms | 56fps |\n\n# Landmark Points Order\n[Landmark Points Order](Docs\u002FPOINTORDER.md)\n\n# Contact\nAbout the use of TengineKit and face-related technical exchanges, you can join the following QQ groups(Group Answer:TengineKit):\n- TengineKit communication QQ group: 630836519\n- Scan to join group\n \n \u003Cimg width=\"256\" height=\"256\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002FQQGroup_QR.jpg\"\u002F>","[中文版本](Docs\u002FREADME_CN.md)\n\n![TengineKit](https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Flogo\u002FTengineKit.png?raw=true \"TengineKit logo\")\n=======================================================================\n\n[![Apache 2.0](https:\u002F\u002Fimg.shields.io\u002Fcrates\u002Fl\u002Fr)](LICENSE)     \n\nTengineKit，由 OPEN AI LAB 开发。       \nTengineKit 是一个易于集成的 AI 算法 SDK(软件开发工具包)。目前，它可以在各种手机上以非常低的延迟运行。**我们将持续更新此项目以获得更好的结果和性能！**\n\n# 效果展示\n\n| 人脸检测 &\u003C\u002Fbr> 人脸 2D Landmark(关键点) | 人脸 3D Landmark(关键点) &\u003C\u002Fbr> 虹膜 | 上半身检测 &\u003C\u002Fbr> 上半身 Landmark(关键点) | 手部检测 &\u003C\u002Fbr> 手部 Landmark(关键点) |\n| :---: | :---: | :---: | :---: |\n| \u003Cdiv align=center>\u003Cimg width=\"150\" height=\"270\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002FTengineKitDemo4.gif\"\u002F>\u003C\u002Fdiv> | \u003Cdiv align=center>\u003Cimg width=\"150\" height=\"270\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Fface2.gif\"\u002F>\u003C\u002Fdiv> | \u003Cdiv align=center>\u003Cimg width=\"150\" height=\"270\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Fbody3.gif\"\u002F>\u003C\u002Fdiv> | \u003Cdiv align=center>\u003Cimg width=\"150\" height=\"270\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Fhand2.gif\"\u002F>\u003C\u002Fdiv> |\n\n\n\n## 动图\n\u003Cdiv align=center>\u003Cimg width=\"800\" height=\"400\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Fobject_face_landmark.gif\"\u002F>\u003C\u002Fdiv>\n\u003Cdiv align=center>\u003Cb>主播跳舞\u003C\u002Fb>\u003C\u002Fdiv>\n\n## 视频 ( \u003Ca href=\"https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=bnyD3laX_bU\" target=\"_blank\">YouTube\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1AK4y147xx\u002F\" target=\"_blank\">BiliBili\u003C\u002Fa> )\n[\u003Cdiv align=center>\u003Cimg width=\"568\" height=\"320\" src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002Flandmark_report.png\"\u002F>\u003C\u002Fdiv>](https:\u002F\u002Fyoutu.be\u002FbnyD3laX_bU)\n\u003Cdiv align=center>\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fyoutube\u002Fviews\u002FbnyD3laX_bU?style=social\"\u002F>\u003C\u002Fdiv>\n\n# 体验试用\n- [APK](Android\u002Fapk\u002FTengineKitDemo-v1.0.3.apk) 可直接下载并在手机上安装查看效果。\n\n或\n\n- 扫描二维码下载 APK \n\n![Apk](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOAID_TengineKit_readme_1b0f3e70d1b9.png)\n\n# 目标\n- 在移动端提供最佳性能\n- 在移动端提供最简单的 API(应用程序接口)\n- 在移动端提供最小的安装包\n\n# 功能特性\n- 人脸检测\n- 人脸 Landmark(关键点)\n- 人脸 3D Landmark(关键点)\n- 人脸属性，例如：年龄、性别、微笑、眼镜\n- 眼部虹膜及 Landmark(关键点)\n- 人体检测\n- 手部检测（实时，尚未支持移动端）\n- 手部 Landmark(关键点)（实时，尚未支持移动端）\n- Google 人体检测（实时，尚未支持移动端）\n- 人体 Landmark(关键点)（实时，尚未支持移动端）\n- YOLOv5\n\n# 更新 (2021\u002F03\u002F25)\n- 修复 Linux 示例代码错误\n- 更新 Android 示例代码，提升 FPS(帧率)\n- 更新 Linux .so 文件\n- 更新 Linux YOLOv5s\n- 修复内存问题 (Core v0.0.6)\n\n# 性能表现 (人脸检测 & 人脸 Landmark(关键点))\n\n| CPU | 耗时 | 帧率 |\n| :---: | :---: | :---: |\n| Kirin 980 | 4ms | 250fps | \n| Qualcomm 855 | 5ms | 200fps |\n| Kirin 970 | 7ms | 142fps |\n| Qualcomm 835 | 8ms | 125fps |\n| Kirin 710F| 9ms | 111fps |\n| Qualcomm 439 | 16ms | 62fps |\n| MediaTek Helio P60 | 17ms | 59fps |\n| Qualcomm 450B | 18ms | 56fps |\n\n# 关键点顺序\n[关键点顺序](Docs\u002FPOINTORDER.md)\n\n# 联系方式\n关于 TengineKit 的使用及人脸识别相关技术交流，您可以加入以下 QQ 群（群验证：TengineKit）：\n- TengineKit 交流 QQ 群：630836519\n- 扫码入群\n \n \u003Cimg width=\"256\" height=\"256\"  src=\"https:\u002F\u002Fopenailab.oss-cn-shenzhen.aliyuncs.com\u002Fimages\u002FQQGroup_QR.jpg\"\u002F>","# TengineKit 快速上手指南\n\nTengineKit 是由 OPEN AI LAB 开发的易集成 AI 算法 SDK，专为移动端设计，具有低延迟特性。支持人脸检测、关键点、属性识别、人体及手部检测等功能。\n\n## 1. 环境准备\n\n- **支持平台**：\n  - 移动端：Android \u002F iOS（针对手机优化，低延迟）\n  - 服务端\u002F开发机：Linux\n- **前置依赖**：\n  - 需配置 Tengine 推理引擎环境（详细依赖请参考官方中文文档）。\n  - 建议网络环境良好，资源托管于国内阿里云 OSS（深圳节点），加载速度快。\n\n## 2. 安装步骤\n\n### 方式一：直接体验（推荐）\n无需编译，直接下载演示 APK 到手机即可运行测试。\n\n- **下载地址**：[TengineKitDemo-v1.0.3.apk](Android\u002Fapk\u002FTengineKitDemo-v1.0.3.apk)\n- **扫码下载**：\n  ![Apk](https:\u002F\u002Fwww.pgyer.com\u002Fapp\u002Fqrcode\u002FA0uD?sign=&auSign=&code=)\n\n### 方式二：源码集成\n如需进行二次开发或集成到自有项目中，请查阅详细的构建说明。\n\n- **构建文档**：[Docs\u002FREADME_CN.md](Docs\u002FREADME_CN.md)\n- **注意**：更新日志中提及已修复 Linux 样本代码错误并更新了 Android 样本代码，建议拉取最新代码。\n\n## 3. 基本使用\n\n### 运行演示\n安装 APK 后，打开应用即可查看以下实时效果：\n- **人脸**：检测、2D\u002F3D 关键点、属性（年龄、性别、眼镜等）\n- **眼部**：虹膜与关键点\n- **人体**：检测与关键点（Google 模型实时支持）\n- **手部**：检测与关键点（实时）\n- **通用目标**：YOLOv5\n\n### 性能表现\n在主流移动芯片上表现优异，例如：\n| CPU | 耗时 | 帧率 |\n| :---: | :---: | :---: |\n| Kirin 980 | 4ms | 250fps | \n| Qualcomm 855 | 5ms | 200fps |\n| Kirin 970 | 7ms | 142fps |\n\n### 数据格式参考\n若需对接算法输出坐标，请参考关键点顺序定义：\n- [Landmark Points Order](Docs\u002FPOINTORDER.md)","某创业团队正在开发一款主打虚拟互动的新兴直播 APP，需要实现毫秒级的人脸追踪与手势控制礼物特效。\n\n### 没有 TengineKit 时\n- 自研或通用开源模型在低端机型上推理耗时过长，导致直播画面频繁掉帧卡顿。\n- 需要分别集成人脸、手部等多个独立算法库，最终安装包体积膨胀，影响用户下载意愿。\n- iOS 与 Android 端需维护两套不同的底层代码，跨平台适配效率低下且容易出错。\n- 算法延迟较高，用户做手势时特效反应滞后，严重影响互动沉浸感。\n\n### 使用 TengineKit 后\n- TengineKit 针对移动端深度优化，在主流芯片上可达数百 FPS，彻底解决低端机卡顿问题。\n- 单一 SDK 同时支持人脸、手部及身体检测，大幅缩减依赖库，显著降低安装包体积。\n- 提供极简统一的 API 接口，开发者只需少量代码即可实现双端功能复用，加速上线进程。\n- 极低延迟特性确保手势触发特效几乎零感知，配合实时属性分析，互动体验更加丝滑流畅。\n\nTengineKit 凭借高性能与轻量化优势，让移动端的复杂视觉交互变得触手可及。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOAID_TengineKit_676911f9.png","OAID","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FOAID_1f35339f.jpg","Open AID, created by OPEN AI LAB",null,"yhuang@openailab.com","https:\u002F\u002Fgithub.com\u002FOAID",[82,86,90,94,98,102,106,110],{"name":83,"color":84,"percentage":85},"C++","#f34b7d",88.6,{"name":87,"color":88,"percentage":89},"C","#555555",7.4,{"name":91,"color":92,"percentage":93},"Kotlin","#A97BFF",2.1,{"name":95,"color":96,"percentage":97},"Java","#b07219",0.8,{"name":99,"color":100,"percentage":101},"Makefile","#427819",0.7,{"name":103,"color":104,"percentage":105},"CMake","#DA3434",0.3,{"name":107,"color":108,"percentage":109},"Objective-C","#438eff",0.2,{"name":111,"color":112,"percentage":113},"Shell","#89e051",0,2322,308,"2026-04-02T08:40:15","NOASSERTION","Linux, Android","未说明",{"notes":121,"python":119,"dependencies":122},"该工具主要针对移动端设备优化，强调低延迟运行。部分功能（如手部检测实时性）目前尚未在移动端支持。用户可下载 APK 直接在手机测试效果。技术支持可通过 QQ 群获取。",[119],[53,14,13,15],[125,126,127,128,129,130,131,132,133,134,135,136,137,138,139,140],"mobile","face-landmarks","face-detection","android","face-tracking","java","face-attributes","deep-neural-networks","ai","artificial-intelligence","facial-landmarks","tensorflow","pytorch","face-api","face-alignment","computer-vision",4,"2026-03-27T02:49:30.150509","2026-04-06T05:15:46.963673",[145,150,155,160,165,170],{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},2638,"Linux 环境下编译时报错提示找不到 libcurl.so 库怎么办？","这是因为系统未安装 curl 依赖库。请执行以下命令安装：\n```\nsudo apt-get install curl\n```\n此外，如果遇到 Ubuntu 版本兼容性問題（如 18.04 版本过高），建议尝试使用 Ubuntu 16.04 环境进行编译。","https:\u002F\u002Fgithub.com\u002FOAID\u002FTengineKit\u002Fissues\u002F28",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},2639,"Linux 版本加载模型时出现 std::bad_alloc 或 Segmentation fault 错误如何解决？","该错误通常由模型路径配置不当引起。解决方法如下：\n1. 确保使用最新版本的库。\n2. 将 `facesdk_readModelFromFile` 函数中的模型路径从相对路径改为**绝对路径**。\nDemo 中的相对路径可能导致程序崩溃，修改为绝对路径后通常可解决。","https:\u002F\u002Fgithub.com\u002FOAID\u002FTengineKit\u002Fissues\u002F19",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},2640,"Android 端如何正确将 Bitmap 转换为字节数组进行人脸检测？","SDK 不支持直接传入 Bitmap，需先转换为 byte[] 数组。建议使用 ByteBuffer 复制像素数据，Java 示例代码如下：\n```java\nstatic private byte[] getPixelsRGBA(Bitmap image) {\n    int bytes = image.getByteCount();\n    ByteBuffer buffer = ByteBuffer.allocate(bytes);\n    image.copyPixelsToBuffer(buffer);\n    return buffer.array();\n}\n```\n初始化 KitCore 时，请确保设置 `setInputImageFormat(AndroidConfig.ImageFormat.RGB)`。","https:\u002F\u002Fgithub.com\u002FOAID\u002FTengineKit\u002Fissues\u002F20",{"id":161,"question_zh":162,"answer_zh":163,"source_url":164},2641,"视频流中人脸关键点识别存在抖动，如何优化稳定性？","为了减少关键点抖动，建议采取以下策略：\n1. **数据增强**：尽量使用更多的训练数据。\n2. **追踪机制**：添加追踪逻辑，在关键点小范围移动内不进行重复检测。\n3. **ROI 限制**：对关键点和检测框都应用 ROI（感兴趣区域）限制，避免背景干扰。","https:\u002F\u002Fgithub.com\u002FOAID\u002FTengineKit\u002Fissues\u002F3",{"id":166,"question_zh":167,"answer_zh":168,"source_url":169},2642,"TengineKit SDK 支持哪些 CPU 架构的 .so 文件？","早期版本可能仅包含 arm 架构。根据官方反馈，v1.1.4 版本应提供 4 个 .so 文件，但部分用户反馈实际下载后仍仅有 arm 架构。为满足 Google Play 对所有架构的要求，建议下载对应版本后仔细检查 `libs` 目录内容，确认是否包含 x86 和 x86_64。","https:\u002F\u002Fgithub.com\u002FOAID\u002FTengineKit\u002Fissues\u002F10",{"id":171,"question_zh":172,"answer_zh":173,"source_url":174},2643,"遇到 Long monitor contention 或 ANR 警告，是否属于内存泄漏？","日志显示的 `Long monitor contention` 通常不是内存泄漏，而是 CPU 占用过高或线程锁竞争导致的。在性能较弱的开发板上容易出现 ANR。建议优先排查 C 层内存泄漏或优化 CPU 占用，而不是单纯认为是内存泄漏问题。","https:\u002F\u002Fgithub.com\u002FOAID\u002FTengineKit\u002Fissues\u002F32",[176,181,186,190,194,198,202,206,210,214,218,222,226],{"id":177,"version":178,"summary_zh":179,"released_at":180},102130,"v1.0.1","add iris\r\nbug fix","2021-10-18T07:27:43",{"id":182,"version":183,"summary_zh":184,"released_at":185},102131,"v1.0.0","android sdk\r\n\r\n- FaceDetect\r\n- InsightFace(New)\r\n- SegBody\r\n- BodyDetect","2021-09-10T10:17:19",{"id":187,"version":188,"summary_zh":78,"released_at":189},102132,"v0.0.4","2021-02-25T08:41:26",{"id":191,"version":192,"summary_zh":78,"released_at":193},102133,"v0.0.3","2021-02-24T09:12:24",{"id":195,"version":196,"summary_zh":78,"released_at":197},102134,"v0.0.1","2020-11-11T06:17:44",{"id":199,"version":200,"summary_zh":78,"released_at":201},102135,"v1.1.4","2020-10-29T08:33:31",{"id":203,"version":204,"summary_zh":78,"released_at":205},102136,"v1.1.3","2020-09-21T02:50:34",{"id":207,"version":208,"summary_zh":78,"released_at":209},102137,"v1.1.2","2020-09-17T12:13:23",{"id":211,"version":212,"summary_zh":78,"released_at":213},102138,"v1.0.7","2020-08-13T11:32:01",{"id":215,"version":216,"summary_zh":78,"released_at":217},102139,"v1.0.5","2020-07-26T03:57:30",{"id":219,"version":220,"summary_zh":78,"released_at":221},102140,"v1.0.4","2020-07-17T10:30:41",{"id":223,"version":224,"summary_zh":78,"released_at":225},102141,"v1.0.3","2020-07-16T06:58:51",{"id":227,"version":228,"summary_zh":229,"released_at":230},102142,"v1.0.2","TengineKit release v1.0.2","2020-07-07T06:28:27"]