[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Oldpan--Faceswap-Deepfake-Pytorch":3,"tool-Oldpan--Faceswap-Deepfake-Pytorch":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","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。\n\n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。\n\nOpenClaw 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",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",160411,2,"2026-04-18T23:33:24",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":78,"owner_website":80,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":78,"difficulty_score":10,"env_os":90,"env_gpu":91,"env_ram":90,"env_deps":92,"category_tags":97,"github_topics":98,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":101,"updated_at":102,"faqs":103,"releases":119},9416,"Oldpan\u002FFaceswap-Deepfake-Pytorch","Faceswap-Deepfake-Pytorch","Faceswap with Pytorch or DeepFake with Pytorch","Faceswap-Deepfake-Pytorch 是一款基于 PyTorch 框架开发的人脸交换开源项目，旨在通过深度学习技术实现将一张人脸替换为另一张人脸的效果。该项目主要解决了传统人脸替换方法在自然度和融合度上的不足，利用神经网络自动学习面部特征并进行高精度重构，从而生成逼真的换脸视频或图像。\n\n需要特别注意的是，开发者明确标注此工具仅供学术研究与技术学习使用，严禁用于任何非法或不道德的用途。因此，它非常适合对计算机视觉、生成对抗网络（GAN）感兴趣的科研人员、AI 开发者以及高校学生进行算法验证和原理探索。对于普通用户而言，由于涉及环境配置（如 Python 3.6、PyTorch 及 CUDA 支持）和较长的模型训练周期（通常需上万次迭代才能见效），上手门槛相对较高，不太适合无技术背景的人群直接使用。\n\n在技术亮点方面，Faceswap-Deepfake-Pytorch 是早期将 Deepfakes 算法从 Keras 框架迁移至 PyTorch 的实现版本之一。相比原版的 TensorFlow 后端，它在训练速度上表现出一定的优势，且代码结构清晰，便于研究者深入理解换脸算法","Faceswap-Deepfake-Pytorch 是一款基于 PyTorch 框架开发的人脸交换开源项目，旨在通过深度学习技术实现将一张人脸替换为另一张人脸的效果。该项目主要解决了传统人脸替换方法在自然度和融合度上的不足，利用神经网络自动学习面部特征并进行高精度重构，从而生成逼真的换脸视频或图像。\n\n需要特别注意的是，开发者明确标注此工具仅供学术研究与技术学习使用，严禁用于任何非法或不道德的用途。因此，它非常适合对计算机视觉、生成对抗网络（GAN）感兴趣的科研人员、AI 开发者以及高校学生进行算法验证和原理探索。对于普通用户而言，由于涉及环境配置（如 Python 3.6、PyTorch 及 CUDA 支持）和较长的模型训练周期（通常需上万次迭代才能见效），上手门槛相对较高，不太适合无技术背景的人群直接使用。\n\n在技术亮点方面，Faceswap-Deepfake-Pytorch 是早期将 Deepfakes 算法从 Keras 框架迁移至 PyTorch 的实现版本之一。相比原版的 TensorFlow 后端，它在训练速度上表现出一定的优势，且代码结构清晰，便于研究者深入理解换脸算法的核心逻辑。项目还提供了预训练模型和示例数据，帮助用户快速启动实验，是了解深度伪造技术底层机制的优质入门资源。","# faceswap-pytorch\nDeepfakes_Faceswap using pytorch   *JUST FOR STUDY AND RESEARCH*\n\nThis is pytorch version compared with https:\u002F\u002Fgithub.com\u002Fjoshua-wu\u002Fdeepfakes_faceswap which using Keras.\n\n![Processing image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOldpan_Faceswap-Deepfake-Pytorch_readme_551529ca7191.png)\n\n\n#### Source code you can download directly from the github page.\n### Source code,training images and trained model(~300MB):\nhttps:\u002F\u002Fpan.baidu.com\u002Fs\u002F197RIMB_Po96RZNFzV-wqjA    PW : z4wa \n\n## Requirement:\n```\nPython == 3.6\npytorch >= 0.4.0\n```\npytorch-1.0 is supported.\n You need a modern GPU and CUDA support for better performance.\n\n## How to run:\n`python train.py` for simple run\n\nif you don't use trained model,only after about 1000 epoch can you see the result and after 10000 epoch the result is the same with the above picture.\n\nps : The Pytorch trains a little faster than Keras using tf backend.\n","# faceswap-pytorch\n基于 PyTorch 的 Deepfakes 人脸交换 *仅用于学习和研究*\n\n这是与使用 Keras 的 https:\u002F\u002Fgithub.com\u002Fjoshua-wu\u002Fdeepfakes_faceswap 相比的 PyTorch 版本。\n\n![处理图像](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOldpan_Faceswap-Deepfake-Pytorch_readme_551529ca7191.png)\n\n\n#### 源代码可直接从 GitHub 页面下载。\n### 源代码、训练图像及训练好的模型（约 300MB）：\nhttps:\u002F\u002Fpan.baidu.com\u002Fs\u002F197RIMB_Po96RZNFzV-wqjA    提取码：z4wa \n\n## 环境要求：\n```\nPython == 3.6\npytorch >= 0.4.0\n```\nPyTorch 1.0 也支持。为了获得更好的性能，您需要配备现代 GPU 并支持 CUDA。\n\n## 运行方法：\n简单运行时执行 `python train.py`\n\n如果您不使用预训练模型，大约需要训练 1000 个 epoch 才能看到效果；而训练到 10000 个 epoch 后，结果将与上方图片所示一致。\n\n注：使用 TensorFlow 后端时，PyTorch 的训练速度略快于 Keras。","# Faceswap-Deepfake-Pytorch 快速上手指南\n\n本项目是基于 PyTorch 实现的 Deepfakes 换脸工具，仅供学习与研究使用。相比 Keras 版本，PyTorch 版本在训练速度上略有提升。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Linux \u002F Windows (推荐 Linux)\n*   **Python 版本**：3.6\n*   **深度学习框架**：PyTorch >= 0.4.0 (已支持 PyTorch 1.0+)\n*   **硬件加速**：强烈建议配备支持 CUDA 的现代 NVIDIA GPU，以获得最佳训练性能。\n\n**依赖安装建议：**\n推荐使用国内镜像源加速 PyTorch 及相关依赖的安装。例如使用清华源安装 PyTorch：\n```bash\npip install torch torchvision -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 安装步骤\n\n1.  **克隆源代码**\n    直接从 GitHub 获取最新源码：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FOldpan\u002Ffaceswap-pytorch.git\n    cd faceswap-pytorch\n    ```\n\n2.  **获取资源文件（可选）**\n    如果您希望直接使用预训练模型或获取示例训练图片（约 300MB），可以从百度网盘下载：\n    *   **链接**: `https:\u002F\u002Fpan.baidu.com\u002Fs\u002F197RIMB_Po96RZNFzV-wqjA`\n    *   **提取码**: `z4wa`\n    \n    下载后请将模型文件放置于项目对应目录中。如果不使用预训练模型，则需要从头开始训练。\n\n## 基本使用\n\n本项目最核心的功能是模型训练。以下是启动训练的最简单命令：\n\n```bash\npython train.py\n```\n\n**使用说明与预期效果：**\n\n*   **无预训练模型启动**：如果您未加载预训练模型，通常需要训练约 **1000 个 epoch** 后才能看到初步的换脸效果。\n*   **高质量效果**：若要达到 README 演示图中的效果，通常需要训练至 **10000 个 epoch** 左右。\n*   **性能提示**：在相同配置下，该 PyTorch 版本的训练速度略快于基于 TensorFlow 后端的 Keras 版本。\n\n> **注意**：本工具仅限用于学术研究和教育目的，请勿用于非法用途。","某高校计算机视觉实验室的研究团队正在开展“低资源环境下人脸替换算法效率对比”的课题研究，需要快速搭建原型以验证 PyTorch 框架在 Deepfake 任务上的性能优势。\n\n### 没有 Faceswap-Deepfake-Pytorch 时\n- 团队被迫使用基于 Keras+TensorFlow 后端的旧版实现，导致在相同的 GPU 硬件下，模型训练收敛速度缓慢，严重拖慢实验迭代节奏。\n- 缺乏现成的预训练模型（约 300MB），研究人员必须从零开始训练，需等待至少 1000 个 epoch 才能观察到初步效果，极大浪费了算力资源。\n- 代码库更新滞后，难以直接利用 PyTorch 1.0 的新特性进行优化，增加了环境配置和代码调试的复杂度。\n- 缺少直观的中间过程可视化支持，难以实时监控换脸过程中的图像生成质量变化。\n\n### 使用 Faceswap-Deepfake-Pytorch 后\n- 直接复用官方提供的预训练模型，团队可立即看到高质量的换脸结果，将原本数天的冷启动时间缩短至几分钟，显著提升研究效率。\n- 得益于 PyTorch 后端的高效计算，同等条件下训练速度明显快于 Keras 版本，使得在有限时间内完成更多轮次（如 10000 epoch）的实验成为可能。\n- 原生支持 Python 3.6 及 PyTorch 1.0+，环境部署更加顺畅，研究人员能更专注于算法逻辑而非框架兼容性问题的排查。\n- 内置的图像处理展示功能让训练过程中的面部融合细节清晰可见，便于快速定位并调整模型参数以优化生成效果。\n\nFaceswap-Deepfake-Pytorch 通过提供高效的 PyTorch 实现与开箱即用的预训练资源，将深伪技术的研究门槛从漫长的工程搭建降低为纯粹的算法探索。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOldpan_Faceswap-Deepfake-Pytorch_ba890604.png","Oldpan","oldpan","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FOldpan_3c737e45.jpg","Machine Learning\u002F Deep Learning\u002F Computer Science\u002F Freebug\r\n深度学习|机器学习|人工智能|炼金术师","@Xidian University",null,"295484914@qq.com","ai.oldpan.me","https:\u002F\u002Fgithub.com\u002FOldpan",[83],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,538,161,"2026-04-11T14:14:17","未说明","需要现代 NVIDIA GPU 及 CUDA 支持以获得更好性能，具体型号、显存大小及 CUDA 版本未说明",{"notes":93,"python":94,"dependencies":95},"该工具仅用于学习和研究。如果不使用预训练模型，大约需要训练 1000 个 epoch 才能看到结果，训练 10000 个 epoch 后可达到示例图片的效果。提供有约 300MB 的预训练模型和训练图像下载链接。","3.6",[96],"pytorch>=0.4.0",[14,15],[99,100],"pytorch","faceswap","2026-03-27T02:49:30.150509","2026-04-19T09:38:42.277703",[104,109,114],{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},42264,"提供的下载链接无效或无法访问怎么办？","如果原始链接失效或要求创建账户\u002F下载软件，作者已提供百度网盘作为替代下载源。链接地址：https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1BlHvPmD50MAJmAbn_VTgGQ，提取码（密码）为：tt66。","https:\u002F\u002Fgithub.com\u002FOldpan\u002FFaceswap-Deepfake-Pytorch\u002Fissues\u002F2",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},42265,"预测结果不合理，可能是哪里出了问题？","预测结果异常通常与预处理步骤有关。由于无法直接得知用户具体执行了哪些预处理操作，建议仔细检查输入图像的预处理流程是否与模型训练时的要求一致（如尺寸归一化、通道顺序、像素值范围等），并确保在提问时提供具体的预处理代码以便排查。","https:\u002F\u002Fgithub.com\u002FOldpan\u002FFaceswap-Deepfake-Pytorch\u002Fissues\u002F3",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},42266,"如何编写测试脚本加载模型并实现两张人脸图像的换脸？","目前仓库中尚未提供直接的 test.py 测试脚本来加载模型并输入两张人脸图像进行换脸。用户反馈自行编写的脚本未能成功换脸（疑似模型未正确加载）。建议参考项目源码中的数据加载和推理逻辑自行构建测试文件，或关注作者后续是否更新官方测试示例。","https:\u002F\u002Fgithub.com\u002FOldpan\u002FFaceswap-Deepfake-Pytorch\u002Fissues\u002F7",[]]