[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-cyrildiagne--ar-facedoodle":3,"tool-cyrildiagne--ar-facedoodle":64},[4,17,26,40,48,56],{"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},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。",107662,2,"2026-04-03T11:11:01",[13,14,15],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":23,"last_commit_at":32,"category_tags":33,"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",[14,34,35,36,15,37,38,13,39],"数据工具","视频","插件","其他","语言模型","音频",{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":10,"last_commit_at":46,"category_tags":47,"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",[15,14,13,38,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74913,"2026-04-05T10:44:17",[38,14,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":23,"last_commit_at":62,"category_tags":63,"status":16},2471,"tesseract","tesseract-ocr\u002Ftesseract","Tesseract 是一款历史悠久且备受推崇的开源光学字符识别（OCR）引擎，最初由惠普实验室开发，后由 Google 维护，目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据，有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题，是数字化归档和信息自动化的重要基础工具。\n\n在技术层面，Tesseract 展现了强大的适应能力。从版本 4 开始，它引入了基于长短期记忆网络（LSTM）的神经网络 OCR 引擎，显著提升了行识别的准确率；同时，为了兼顾旧有需求，它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码，开箱即用即可识别超过 100 种语言，并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面，它灵活支持纯文本、hOCR、PDF、TSV 等多种格式，方便后续数据处理。\n\nTesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库（libtesseract），不包含图形用户界面（GUI），因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中",73286,"2026-04-03T01:56:45",[13,14],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":79,"owner_location":80,"owner_email":79,"owner_twitter":76,"owner_website":81,"owner_url":82,"languages":83,"stars":96,"forks":97,"last_commit_at":98,"license":99,"difficulty_score":23,"env_os":100,"env_gpu":101,"env_ram":102,"env_deps":103,"category_tags":111,"github_topics":79,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":112,"updated_at":113,"faqs":114,"releases":115},3265,"cyrildiagne\u002Far-facedoodle","ar-facedoodle","Doodle AR masks right from the browser with tensorflow.js","ar-facedoodle 是一款创新的网页端增强现实（AR）应用，让用户无需安装任何软件，仅通过浏览器即可在实时人脸画面上进行涂鸦创作。它巧妙解决了传统 AR 体验依赖特定 APP 或复杂开发环境的痛点，将有趣的互动滤镜直接带入网页，让创意表达变得触手可及。\n\n这款工具特别适合前端开发者、创意设计师以及希望快速体验 WebAR 技术的普通用户。对于开发者而言，ar-facedoodle 提供了一个极佳的开源范例，展示了如何整合多种前沿技术构建沉浸式应用；而普通用户则可以直接访问演示页面，享受即时互动的乐趣。\n\n其核心技术亮点在于无缝融合了 TensorFlow.js、FaceMesh 和 Three.js。利用 TensorFlow.js 的 FaceMesh 模型，ar-facedoodle 能在浏览器本地高效识别面部 468 个关键特征点，实现精准的动态追踪；结合 Three.js 强大的 3D 渲染能力，用户的笔触能完美贴合面部轮廓并随表情自然流动。此外，项目还引入了线条简化算法，确保绘制过程流畅顺滑。作为一个完全基于 Web 的开源项目，ar-facedoodle 不仅降低了","ar-facedoodle 是一款创新的网页端增强现实（AR）应用，让用户无需安装任何软件，仅通过浏览器即可在实时人脸画面上进行涂鸦创作。它巧妙解决了传统 AR 体验依赖特定 APP 或复杂开发环境的痛点，将有趣的互动滤镜直接带入网页，让创意表达变得触手可及。\n\n这款工具特别适合前端开发者、创意设计师以及希望快速体验 WebAR 技术的普通用户。对于开发者而言，ar-facedoodle 提供了一个极佳的开源范例，展示了如何整合多种前沿技术构建沉浸式应用；而普通用户则可以直接访问演示页面，享受即时互动的乐趣。\n\n其核心技术亮点在于无缝融合了 TensorFlow.js、FaceMesh 和 Three.js。利用 TensorFlow.js 的 FaceMesh 模型，ar-facedoodle 能在浏览器本地高效识别面部 468 个关键特征点，实现精准的动态追踪；结合 Three.js 强大的 3D 渲染能力，用户的笔触能完美贴合面部轮廓并随表情自然流动。此外，项目还引入了线条简化算法，确保绘制过程流畅顺滑。作为一个完全基于 Web 的开源项目，ar-facedoodle 不仅降低了 AR 开发的门槛，也为探索浏览器端的计算机视觉应用提供了宝贵参考。","# AR Face Doodle\n\nDoodle on your face with AR directly from the web browser thanks to\n[Tensorflow.js](https:\u002F\u002Fwww.tensorflow.org\u002Fjs),\n[FaceMesh](https:\u002F\u002Fgithub.com\u002Ftensorflow\u002Ftfjs-models\u002Ftree\u002Fmaster\u002Ffacemesh)\nand [Three.js](https:\u002F\u002Fthreejs.org\u002F).\n\n![debug](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcyrildiagne_ar-facedoodle_readme_4886dcad3424.gif)\n\nDemo: [https:\u002F\u002Fcyrildiagne.github.io\u002Far-facedoodle](https:\u002F\u002Fcyrildiagne.github.io\u002Far-facedoodle)\n\n## Setup\n\n```\nnpm install && npm start\n```\n\n## Thanks and acknowledgement\n\n- [tensorflow\u002Ftfjs-models facemesh](https:\u002F\u002Fgithub.com\u002Ftensorflow\u002Ftfjs-models\u002Ftree\u002Fmaster\u002Ffacemesh) For the face detection model\n- [shawticus\u002Ffacemesh-threejs](https:\u002F\u002Fgithub.com\u002Fshawticus\u002Ffacemesh-threejs) For the facemesh OBJ model\n- [mourner\u002Fsimplify.js](https:\u002F\u002Fgithub.com\u002Fmourner\u002Fsimplify-js) For the line smoothing\n- [mrdoob\u002Fthree.js](https:\u002F\u002Fgithub.com\u002Fmrdoob\u002Fthree.js) For the 3D engine\n","# AR 面部涂鸦\n\n借助 [TensorFlow.js](https:\u002F\u002Fwww.tensorflow.org\u002Fjs)、[FaceMesh](https:\u002F\u002Fgithub.com\u002Ftensorflow\u002Ftfjs-models\u002Ftree\u002Fmaster\u002Ffacemesh) 和 [Three.js](https:\u002F\u002Fthreejs.org\u002F)，您可以直接在网页浏览器中使用 AR 在自己的脸上进行涂鸦。\n\n![debug](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcyrildiagne_ar-facedoodle_readme_4886dcad3424.gif)\n\n演示：[https:\u002F\u002Fcyrildiagne.github.io\u002Far-facedoodle](https:\u002F\u002Fcyrildiagne.github.io\u002Far-facedoodle)\n\n## 设置\n\n```\nnpm install && npm start\n```\n\n## 感谢与致谢\n\n- [tensorflow\u002Ftfjs-models facemesh](https:\u002F\u002Fgithub.com\u002Ftensorflow\u002Ftfjs-models\u002Ftree\u002Fmaster\u002Ffacemesh) 提供的人脸检测模型\n- [shawticus\u002Ffacemesh-threejs](https:\u002F\u002Fgithub.com\u002Fshawticus\u002Ffacemesh-threejs) 提供的 FaceMesh OBJ 模型\n- [mourner\u002Fsimplify.js](https:\u002F\u002Fgithub.com\u002Fmourner\u002Fsimplify-js) 提供的线条平滑功能\n- [mrdoob\u002Fthree.js](https:\u002F\u002Fgithub.com\u002Fmrdoob\u002Fthree.js) 提供的 3D 引擎","# ar-facedoodle 快速上手指南\n\nar-facedoodle 是一个基于 Web 的增强现实（AR）工具，允许用户在浏览器中直接通过摄像头在脸上进行涂鸦。它结合了 Tensorflow.js、FaceMesh 和 Three.js 技术。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Windows、macOS 或 Linux\n*   **Node.js**：建议安装 LTS 版本（可通过 [Node.js 官网](https:\u002F\u002Fnodejs.org\u002F) 下载）\n*   **npm**：通常随 Node.js 自动安装\n*   **浏览器**：支持 WebGL 的现代浏览器（如 Chrome、Edge、Firefox），并需授予摄像头访问权限\n*   **网络环境**：由于项目依赖 Google 相关的模型资源，国内开发者可能需要配置网络代理或使用能够访问外部资源的网络环境以确保模型加载成功。\n\n## 安装步骤\n\n克隆项目代码后（或直接进入项目目录），在终端执行以下命令安装依赖并启动本地开发服务器：\n\n```bash\nnpm install && npm start\n```\n\n> **提示**：如果 `npm install` 速度较慢，可临时切换至国内镜像源（如淘宝镜像）：\n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> npm install && npm start\n> ```\n\n## 基本使用\n\n1.  **启动服务**：运行上述安装命令后，终端会显示本地服务地址（通常为 `http:\u002F\u002Flocalhost:xxxx`）。\n2.  **访问页面**：在浏览器中打开该地址。\n3.  **授权摄像头**：浏览器弹出权限请求时，点击“允许”以启用摄像头。\n4.  **开始涂鸦**：将面部对准摄像头，系统会自动识别面部关键点。此时您可以在屏幕上直接绘制，涂鸦内容将实时贴合您的面部表情进行 3D 渲染。\n\n您可以访问官方演示页面查看效果：[https:\u002F\u002Fcyrildiagne.github.io\u002Far-facedoodle](https:\u002F\u002Fcyrildiagne.github.io\u002Far-facedoodle)","某创意营销团队需要在 48 小时内为品牌快闪活动上线一款无需下载 App 的网页互动滤镜，让用户能通过摄像头在脸上绘制动态涂鸦。\n\n### 没有 ar-facedoodle 时\n- 开发门槛极高，团队必须分别整合 FaceMesh 人脸检测模型与 Three.js 3D 引擎，编写大量底层代码来对齐面部网格。\n- 兼容性调试耗时，需手动处理不同浏览器对 WebGL 和摄像头权限的差异，导致项目进度严重滞后。\n- 缺乏现成的绘图逻辑，从零实现“笔触随面部表情自然形变”的效果需要深厚的图形学算法功底。\n- 无法快速验证创意，每次调整滤镜效果都需要重新编译部署，难以在活动期间灵活响应用户反馈。\n\n### 使用 ar-facedoodle 后\n- 开箱即用，直接基于浏览器运行，利用其集成的 Tensorflow.js 和 FaceMesh 能力，瞬间完成人脸追踪与 3D 映射。\n- 跨平台无缝运行，自动屏蔽了底层浏览器差异，确保用户在 iOS Safari 或 Android Chrome 上均能流畅体验。\n- 内置线条平滑算法，只需简单配置即可让涂鸦笔触精准贴合用户眨眼、张嘴等微表情，视觉效果专业自然。\n- 迭代效率飞跃，策划人员可在 Demo 页面实时调整参数并立即预览，当天即可完成从概念到上线的全流程。\n\nar-facedoodle 将原本需要数周的前端图形开发工作压缩至几小时，让普通 Web 开发者也能轻松打造电影级的 AR 互动体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcyrildiagne_ar-facedoodle_4886dcad.gif","cyrildiagne","Cyril Diagne","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fcyrildiagne_9089ce5e.png",null,"Paris - France","https:\u002F\u002Fcyrildiagne.com","https:\u002F\u002Fgithub.com\u002Fcyrildiagne",[84,88,92],{"name":85,"color":86,"percentage":87},"JavaScript","#f1e05a",89.2,{"name":89,"color":90,"percentage":91},"SCSS","#c6538c",5.9,{"name":93,"color":94,"percentage":95},"HTML","#e34c26",4.8,551,89,"2026-03-28T06:13:35","MIT","未说明 (基于浏览器，跨平台)","非必需 (基于 Tensorflow.js 和 Three.js，主要依赖客户端 GPU 进行 WebGL 渲染，无特定型号要求)","未说明",{"notes":104,"python":105,"dependencies":106},"该项目是一个纯前端 Web 应用，无需安装 Python。运行环境需要 Node.js 和 npm 来启动本地开发服务器。核心功能依赖于浏览器的 WebGL 支持以调用摄像头并进行人脸网格检测与 3D 渲染。","不需要 (基于 Node.js 环境)",[107,108,109,110],"Tensorflow.js","@tensorflow-models\u002Ffacemesh","Three.js","simplify-js",[14,37],"2026-03-27T02:49:30.150509","2026-04-06T07:16:11.993013",[],[]]