[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-amanvirparhar--chaplin":3,"tool-amanvirparhar--chaplin":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":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":79,"owner_twitter":75,"owner_website":81,"owner_url":82,"languages":83,"stars":92,"forks":93,"last_commit_at":94,"license":95,"difficulty_score":96,"env_os":97,"env_gpu":98,"env_ram":99,"env_deps":100,"category_tags":109,"github_topics":110,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":117,"updated_at":118,"faqs":119,"releases":120},2359,"amanvirparhar\u002Fchaplin","chaplin","A real-time silent speech recognition tool.","Chaplin 是一款能够实时“读唇”的静音语音识别工具。它通过摄像头捕捉用户无声的口型动作，即时将其转化为文字并输入到光标位置，整个过程完全在本地运行，无需联网，有效保障了隐私安全。\n\n这款工具主要解决了在图书馆、会议室等需要保持安静的场景下，或当用户因环境嘈杂、声带受限而无法发声时，如何高效、隐蔽地进行文字输入的难题。它让“默念”即可成文成为现实，填补了传统语音助手在无声音频输入方面的空白。\n\nChaplin 非常适合需要在静音环境下工作的普通用户、有言语障碍的人士，以及对隐私保护有极高要求的专业人士。同时，由于其开源特性及基于成熟学术项目的架构，也值得开发者和研究人员关注与二次开发。\n\n其技术亮点在于结合了先进的视觉语音识别（VSR）模型与大语言模型（LLM）。Chaplin 首先利用在 LRS3 数据集上训练的模型精准识别口型，生成原始文本，随后调用本地运行的 Ollama 大模型对识别结果进行语义纠错和润色，显著提升了最终输出的准确性和通顺度。只需简单配置，用户即可体验这一融合计算机视觉与自然语言处理的前沿应用。","# Chaplin\n\n![Chaplin Thumbnail](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Famanvirparhar_chaplin_readme_33b5d009cd16.png)\n\nA visual speech recognition (VSR) tool that reads your lips in real-time and types whatever you silently mouth. Runs fully locally.\n\nRelies on a [model](https:\u002F\u002Fgithub.com\u002Fmpc001\u002FVisual_Speech_Recognition_for_Multiple_Languages?tab=readme-ov-file#autoavsr-models) trained on the [Lip Reading Sentences 3](https:\u002F\u002Fmmai.io\u002Fdatasets\u002Flip_reading\u002F) dataset as part of the [Auto-AVSR](https:\u002F\u002Fgithub.com\u002Fmpc001\u002Fauto_avsr) project.\n\nWatch a demo of Chaplin [here](https:\u002F\u002Fyoutu.be\u002FqlHi0As2alQ).\n\n## Setup\n\n1. Clone the repository, and `cd` into it:\n   ```sh\n   git clone https:\u002F\u002Fgithub.com\u002Famanvirparhar\u002Fchaplin\n   cd chaplin\n   ```\n2. Run the setup script...\n   ```sh\n   .\u002Fsetup.sh\n   ```\n   ...which will automatically download the required model files from Hugging Face Hub and place them in the appropriate directories:\n   ```\n   chaplin\u002F\n   ├── benchmarks\u002F\n       ├── LRS3\u002F\n           ├── language_models\u002F\n               ├── lm_en_subword\u002F\n           ├── models\u002F\n               ├── LRS3_V_WER19.1\u002F\n   ├── ...\n   ```\n3. Install and run `ollama`, and pull the [`qwen3:4b`](https:\u002F\u002Follama.com\u002Flibrary\u002Fqwen3:4b) model.\n4. Install [`uv`](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv).\n\n## Usage\n\n1. Run the following command:\n   ```sh\n   uv run --with-requirements requirements.txt --python 3.12 main.py config_filename=.\u002Fconfigs\u002FLRS3_V_WER19.1.ini detector=mediapipe\n   ```\n2. Once the camera feed is displayed, you can start \"recording\" by pressing the `option` key (Mac) or the `alt` key (Windows\u002FLinux), and start mouthing words.\n3. To stop recording, press the `option` key (Mac) or the `alt` key (Windows\u002FLinux) again. The raw VSR output will get logged in your terminal, and the LLM-corrected version will be typed at your cursor.\n4. To exit gracefully, focus on the window displaying the camera feed and press `q`.\n","# 查普林\n\n![查普林缩略图](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Famanvirparhar_chaplin_readme_33b5d009cd16.png)\n\n一款视觉语音识别（VSR）工具，可实时读取您的唇语，并将您无声口型表达的内容自动输入到文本中。完全在本地运行。\n\n该工具依赖于一个基于 [Lip Reading Sentences 3](https:\u002F\u002Fmmai.io\u002Fdatasets\u002Flip_reading\u002F) 数据集训练的模型，该模型是 [Auto-AVSR](https:\u002F\u002Fgithub.com\u002Fmpc001\u002Fauto_avsr) 项目的一部分。\n\n观看查普林的演示视频 [这里](https:\u002F\u002Fyoutu.be\u002FqlHi0As2alQ)。\n\n## 安装\n\n1. 克隆仓库并进入目录：\n   ```sh\n   git clone https:\u002F\u002Fgithub.com\u002Famanvirparhar\u002Fchaplin\n   cd chaplin\n   ```\n2. 运行安装脚本：\n   ```sh\n   .\u002Fsetup.sh\n   ```\n   脚本会自动从 Hugging Face Hub 下载所需的模型文件，并将其放置到相应目录中：\n   ```\n   chaplin\u002F\n   ├── benchmarks\u002F\n       ├── LRS3\u002F\n           ├── language_models\u002F\n               ├── lm_en_subword\u002F\n           ├── models\u002F\n               ├── LRS3_V_WER19.1\u002F\n   ├── ...\n   ```\n3. 安装并运行 `ollama`，同时拉取 [`qwen3:4b`](https:\u002F\u002Follama.com\u002Flibrary\u002Fqwen3:4b) 模型。\n4. 安装 [`uv`](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv)。\n\n## 使用\n\n1. 运行以下命令：\n   ```sh\n   uv run --with-requirements requirements.txt --python 3.12 main.py config_filename=.\u002Fconfigs\u002FLRS3_V_WER19.1.ini detector=mediapipe\n   ```\n2. 当摄像头画面显示后，按下 `option` 键（Mac）或 `alt` 键（Windows\u002FLinux），开始“录制”，然后开始无声地口型表达文字。\n3. 再次按下 `option` 键（Mac）或 `alt` 键（Windows\u002FLinux）即可停止录制。原始的 VSR 输出将记录在终端中，而经过 LLM 修正后的版本则会自动输入到光标位置。\n4. 若要正常退出，请聚焦于显示摄像头画面的窗口，然后按 `q` 键。","# Chaplin 快速上手指南\n\nChaplin 是一款完全本地运行的视觉语音识别（VSR）工具，能够实时读取唇语并将无声的口型转化为文本输入。\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**：macOS、Linux 或 Windows。\n*   **Python 版本**：需要 Python 3.12（项目将通过 `uv` 自动管理）。\n*   **前置依赖**：\n    *   **Ollama**：用于运行本地大语言模型进行文本校正。\n    *   **Git**：用于克隆代码仓库。\n    *   **摄像头**：用于捕捉唇部动作。\n\n## 安装步骤\n\n### 1. 克隆项目\n打开终端，执行以下命令下载源码并进入目录：\n```sh\ngit clone https:\u002F\u002Fgithub.com\u002Famanvirparhar\u002Fchaplin\ncd chaplin\n```\n\n### 2. 运行设置脚本\n执行设置脚本以自动从 Hugging Face Hub 下载所需的模型文件（包括 LRS3 数据集训练的模型和语言模型）：\n```sh\n.\u002Fsetup.sh\n```\n*注：脚本运行完成后，模型文件将自动存放于 `benchmarks\u002FLRS3\u002F` 等相应目录下。*\n\n### 3. 配置 Ollama\n安装并启动 [Ollama](https:\u002F\u002Follama.com)，然后拉取项目指定的 `qwen3:4b` 模型：\n```sh\nollama pull qwen3:4b\n```\n*提示：国内用户若拉取缓慢，可配置 Ollama 国内镜像加速。*\n\n### 4. 安装 uv 包管理器\n安装 [`uv`](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv) 工具，它将用于管理项目的依赖环境和运行：\n```sh\n# macOS\u002FLinux\ncurl -LsSf https:\u002F\u002Fastral.sh\u002Fuv\u002Finstall.sh | sh\n\n# Windows\npowershell -c \"irm https:\u002F\u002Fastral.sh\u002Fuv\u002Finstall.psir | iex\"\n```\n\n## 基本使用\n\n### 1. 启动程序\n使用 `uv` 运行主程序，指定配置文件和检测器（推荐使用 mediapipe）：\n```sh\nuv run --with-requirements requirements.txt --python 3.12 main.py config_filename=.\u002Fconfigs\u002FLRS3_V_WER19.1.ini detector=mediapipe\n```\n\n### 2. 开始识别\n当摄像头画面窗口弹出后：\n*   **开始录制**：按下 `option` 键（Mac）或 `alt` 键（Windows\u002FLinux），同时对着摄像头无声地做口型。\n*   **停止录制**：再次按下 `option` \u002F `alt` 键。\n\n### 3. 查看结果\n*   **终端输出**：原始的 VSR 识别结果将打印在终端中。\n*   **自动输入**：经过 LLM（Qwen3）校正后的最终文本将自动在当前光标位置输入。\n\n### 4. 退出程序\n选中摄像头窗口，按下 `q` 键即可安全退出。","在嘈杂的开放式办公区或需要绝对安静的图书馆中，开发者希望在不发出任何声音的情况下，将脑海中的代码逻辑或文档草稿快速转化为文字。\n\n### 没有 chaplin 时\n- **环境限制严重**：在会议室、图书馆或深夜共享空间，大声口述会打扰他人，导致无法使用语音输入法。\n- **输入效率低下**：只能依赖键盘逐字敲击，打断了“思考 - 表达”的流畅心流，尤其在构思复杂架构时思路容易中断。\n- **隐私与噪音顾虑**：在公共场合讨论敏感项目细节时，担心语音被旁人窃听，或因背景噪音导致传统语音识别准确率骤降。\n- **交互方式单一**：缺乏一种既能保持沉默又能实现高速文本输入的替代方案，被迫在“手写\u002F打字”和“沉默”之间做妥协。\n\n### 使用 chaplin 后\n- **静音实时输入**：只需对着摄像头无声动嘴，chaplin 即可通过视觉唇语识别技术，实时将口型转化为文本，完全零噪音。\n- **心流无缝衔接**：开发者按下快捷键即可开始“默念”代码注释或需求文档，思维不再因寻找键盘或担心噪音而卡顿。\n- **本地隐私安全**：所有唇语识别与大模型修正过程均在本地运行，无需上传音频或视频流，彻底消除数据泄露风险。\n- **智能语义纠错**：结合本地运行的 Qwen3 大模型，chaplin 能自动修正唇语识别的歧义，直接输出通顺的代码变量名或完整句子。\n\nchaplin 通过视觉唇语识别技术，让用户在绝对静音的环境下也能享受如语音输入般高效的文本创作体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Famanvirparhar_chaplin_33b5d009.png","amanvirparhar","Amanvir Parhar","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Famanvirparhar_76d879e6.jpg","builder, cs @ umd",null,"California","amanvir.com","https:\u002F\u002Fgithub.com\u002Famanvirparhar",[84,88],{"name":85,"color":86,"percentage":87},"Python","#3572A5",99.8,{"name":89,"color":90,"percentage":91},"Shell","#89e051",0.2,717,81,"2026-04-01T22:28:01","MIT",4,"Linux, macOS, Windows","未说明（工具基于 Auto-AVSR 项目，通常推荐 NVIDIA GPU 以加速推理，但 README 未明确强制要求或具体型号）","未说明",{"notes":101,"python":102,"dependencies":103},"需安装并运行 Ollama 服务，且必须拉取 'qwen3:4b' 模型；使用 'uv' 工具管理依赖和运行环境；首次运行 setup.sh 脚本会自动从 Hugging Face 下载模型文件；通过按住 Option (Mac) 或 Alt (Win\u002FLinux) 键触发静音唇语识别。","3.12",[104,105,106,107,108],"uv","ollama","mediapipe","qwen3:4b (LLM model)","Auto-AVSR models",[26,55,13],[111,112,113,105,114,115,116],"auto-avsr","avsr","llm","speech-recognition","speech-to-text","vsr","2026-03-27T02:49:30.150509","2026-04-06T07:12:03.311806",[],[]]