[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-flowtyone--ComfyUI-Flowty-TripoSR":3,"tool-flowtyone--ComfyUI-Flowty-TripoSR":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},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。",85267,2,"2026-04-18T11:00:28",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[19,14,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},5773,"cs-video-courses","Developer-Y\u002Fcs-video-courses","cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。\n\n面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。\n\n这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。",79792,"2026-04-08T22:03:59",[18,13,14,20],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},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。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},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。",75872,"2026-04-18T10:54:57",[19,13,20,18],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":29,"last_commit_at":63,"category_tags":64,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,"2026-04-03T21:50:24",[20,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":71,"readme_en":72,"readme_zh":73,"quickstart_zh":74,"use_case_zh":75,"hero_image_url":76,"owner_login":77,"owner_name":78,"owner_avatar_url":79,"owner_bio":78,"owner_company":78,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":78,"owner_url":80,"languages":81,"stars":96,"forks":97,"last_commit_at":98,"license":99,"difficulty_score":46,"env_os":100,"env_gpu":101,"env_ram":100,"env_deps":102,"category_tags":106,"github_topics":78,"view_count":10,"oss_zip_url":78,"oss_zip_packed_at":78,"status":22,"created_at":107,"updated_at":108,"faqs":109,"releases":110},9211,"flowtyone\u002FComfyUI-Flowty-TripoSR","ComfyUI-Flowty-TripoSR","TripoSR custom node for comfyui","ComfyUI-Flowty-TripoSR 是一个专为 ComfyUI 设计的自定义节点，旨在让用户直接在可视化工作流中体验 TripoSR 模型的强大功能。TripoSR 是由 Tripo AI 与 Stability AI 联合研发的开源模型，专注于从单张二维图像快速生成高质量的三维模型。\n\n这一工具主要解决了传统 3D 建模门槛高、耗时长的痛点，同时填补了 ComfyUI 生态中缺乏高效“图生 3D\"原生节点的空白。用户无需编写复杂代码或切换软件，只需在 ComfyUI 中加载图片，即可即时获得可交互的 3D 资产，极大地简化了从概念图到三维实物的转化流程。\n\n它非常适合需要快速原型设计的游戏开发者、3D 艺术家、视觉设计师，以及希望探索前沿生成式 3D 技术的研究人员。对于熟悉 ComfyUI 的普通创作者而言，这也是一个低门槛尝试 3D 内容生成的绝佳入口。\n\n其核心技术亮点在于采用了先进的“前馈”（feedforward）重建架构，相比传统方法速度更快，能实现秒级响应。此外，该节点巧妙集成了 3D 预览功能，得益于社区项目的贡献，用户生成模型后可直接在界面中旋转查看效果，","ComfyUI-Flowty-TripoSR 是一个专为 ComfyUI 设计的自定义节点，旨在让用户直接在可视化工作流中体验 TripoSR 模型的强大功能。TripoSR 是由 Tripo AI 与 Stability AI 联合研发的开源模型，专注于从单张二维图像快速生成高质量的三维模型。\n\n这一工具主要解决了传统 3D 建模门槛高、耗时长的痛点，同时填补了 ComfyUI 生态中缺乏高效“图生 3D\"原生节点的空白。用户无需编写复杂代码或切换软件，只需在 ComfyUI 中加载图片，即可即时获得可交互的 3D 资产，极大地简化了从概念图到三维实物的转化流程。\n\n它非常适合需要快速原型设计的游戏开发者、3D 艺术家、视觉设计师，以及希望探索前沿生成式 3D 技术的研究人员。对于熟悉 ComfyUI 的普通创作者而言，这也是一个低门槛尝试 3D 内容生成的绝佳入口。\n\n其核心技术亮点在于采用了先进的“前馈”（feedforward）重建架构，相比传统方法速度更快，能实现秒级响应。此外，该节点巧妙集成了 3D 预览功能，得益于社区项目的贡献，用户生成模型后可直接在界面中旋转查看效果，方便即时调整与迭代。作为一个由 flowt.ai 支持的社区项目，它保持了开源开放的姿态，欢迎开发者共同参与优化。","# ComfyUI-Flowty-TripoSR\n\nThis is a custom node that lets you use TripoSR right from ComfyUI.\n\n[TripoSR](https:\u002F\u002Fgithub.com\u002FVAST-AI-Research\u002FTripoSR) is a state-of-the-art open-source model for fast feedforward 3D reconstruction from a single image, collaboratively developed by Tripo AI and Stability AI. (TL;DR it creates a 3d model from an image.)\n\n![example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fflowtyone_ComfyUI-Flowty-TripoSR_readme_504758e3e184.png)\n\nI've created this node for experimentation, feel free to submit PRs for performance improvements etc.\n\n### Installation:\n* Install ComfyUI\n* Clone this repo into ```custom_nodes```:\n  ```shell\n  $ cd ComfyUI\u002Fcustom_nodes\n  $ git clone https:\u002F\u002Fgithub.com\u002Fflowtyone\u002FComfyUI-Flowty-TripoSR.git\n  ```\n* Install dependencies:\n  ```shell\n  $ cd ComfyUI-Flowty-TripoSR\n  $ pip install -r requirements.txt\n  ```\n* [Download TripoSR](https:\u002F\u002Fhuggingface.co\u002Fstabilityai\u002FTripoSR\u002Fblob\u002Fmain\u002Fmodel.ckpt) and place it in ```ComfyUI\u002Fmodels\u002Fcheckpoints```\n* Start ComfyUI (or restart)\n\nSpecial thanks to MrForExample for creating [ComfyUI-3D-Pack](https:\u002F\u002Fgithub.com\u002FMrForExample\u002FComfyUI-3D-Pack). Code from that node pack was used to display 3d models in comfyui.\n\nThis is a community project from [flowt.ai](https:\u002F\u002Fflowt.ai). If you like it, check us out!\n\n\u003Cpicture>\n \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"logo-dark.svg\" height=\"50\">\n \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"logo.svg\" height=\"50\">\n \u003Cimg alt=\"flowt.ai logo\" src=\"flowt.png\" height=\"50\">\n\u003C\u002Fpicture>","# ComfyUI-Flowty-TripoSR\n\n这是一个自定义节点，允许您直接从 ComfyUI 中使用 TripoSR。\n\n[TripoSR](https:\u002F\u002Fgithub.com\u002FVAST-AI-Research\u002FTripoSR) 是由 Tripo AI 和 Stability AI 联合开发的最先进开源模型，可用于从单张图像快速进行前馈式 3D 重建。（简而言之，它可以根据一张图片生成 3D 模型。）\n\n![示例](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fflowtyone_ComfyUI-Flowty-TripoSR_readme_504758e3e184.png)\n\n我创建这个节点是为了方便实验，欢迎大家提交 PR 来改进性能等。\n\n### 安装：\n* 安装 ComfyUI\n* 将此仓库克隆到 ```custom_nodes``` 目录下：\n  ```shell\n  $ cd ComfyUI\u002Fcustom_nodes\n  $ git clone https:\u002F\u002Fgithub.com\u002Fflowtyone\u002FComfyUI-Flowty-TripoSR.git\n  ```\n* 安装依赖：\n  ```shell\n  $ cd ComfyUI-Flowty-TripoSR\n  $ pip install -r requirements.txt\n  ```\n* [下载 TripoSR](https:\u002F\u002Fhuggingface.co\u002Fstabilityai\u002FTripoSR\u002Fblob\u002Fmain\u002Fmodel.ckpt)，并将其放置在 ```ComfyUI\u002Fmodels\u002Fcheckpoints``` 目录下。\n* 启动 ComfyUI（或重启）。\n\n特别感谢 MrForExample 创建了 [ComfyUI-3D-Pack](https:\u002F\u002Fgithub.com\u002FMrForExample\u002FComfyUI-3D-Pack)。该节点包中的代码被用于在 ComfyUI 中显示 3D 模型。\n\n这是一个来自 [flowt.ai](https:\u002F\u002Fflowt.ai) 的社区项目。如果您喜欢它，请关注我们！\n\n\u003Cpicture>\n \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"logo-dark.svg\" height=\"50\">\n \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"logo.svg\" height=\"50\">\n \u003Cimg alt=\"flowt.ai logo\" src=\"flowt.png\" height=\"50\">\n\u003C\u002Fpicture>","# ComfyUI-Flowty-TripoSR 快速上手指南\n\nComfyUI-Flowty-TripoSR 是一个自定义节点，允许你在 ComfyUI 中直接使用 TripoSR 模型。TripoSR 是由 Tripo AI 和 Stability AI 联合开发的开源模型，能够从单张图像快速进行前馈式 3D 重建（即通过一张图片生成 3D 模型）。\n\n## 环境准备\n\n*   **系统要求**：支持运行 ComfyUI 的操作系统（Windows\u002FLinux\u002FmacOS），建议配备 NVIDIA GPU 以获得最佳推理速度。\n*   **前置依赖**：\n    *   已安装并配置好 **ComfyUI**。\n    *   已安装 **Python** 及 `pip` 包管理工具。\n    *   已安装 **Git**。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    进入 ComfyUI 的 `custom_nodes` 目录并克隆本仓库：\n    ```shell\n    $ cd ComfyUI\u002Fcustom_nodes\n    $ git clone https:\u002F\u002Fgithub.com\u002Fflowtyone\u002FComfyUI-Flowty-TripoSR.git\n    ```\n\n2.  **安装依赖**\n    进入插件目录并安装所需的 Python 依赖包：\n    ```shell\n    $ cd ComfyUI-Flowty-TripoSR\n    $ pip install -r requirements.txt\n    ```\n    > **提示**：国内用户若下载缓慢，可添加清华源加速：\n    > `pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n3.  **下载模型权重**\n    从 Hugging Face 下载 TripoSR 模型文件 (`model.ckpt`)，并将其放置在 ComfyUI 的 checkpoints 目录中：\n    *   下载地址：[https:\u002F\u002Fhuggingface.co\u002Fstabilityai\u002FTripoSR\u002Fblob\u002Fmain\u002Fmodel.ckpt](https:\u002F\u002Fhuggingface.co\u002Fstabilityai\u002FTripoSR\u002Fblob\u002Fmain\u002Fmodel.ckpt)\n    *   目标路径：`ComfyUI\u002Fmodels\u002Fcheckpoints\u002Fmodel.ckpt`\n    \n    > **提示**：国内用户推荐使用 [ModelScope (魔搭社区)](https:\u002F\u002Fmodelscope.cn\u002F) 搜索 \"TripoSR\" 下载模型，或配置 Hugging Face 镜像加速。\n\n4.  **重启 ComfyUI**\n    启动或重启 ComfyUI，节点即可在菜单中找到。\n\n## 基本使用\n\n1.  **加载工作流**：\n    在 ComfyUI 界面中，加载插件目录下的示例工作流文件 `workflow-sample.png`（直接拖入界面即可），或参考官方仓库提供的示例图构建节点连接。\n\n2.  **核心节点**：\n    找到 `TripoSR` 相关节点，主要输入为单张图像（Image）。\n\n3.  **运行生成**：\n    连接好输入图像后，点击 \"Queue Prompt\" 开始运行。模型将自动处理图像并输出 3D 网格数据（Mesh），你可以在 ComfyUI 内置的查看器中预览生成的 3D 模型，或将其导出为 `.glb` \u002F `.obj` 格式。\n\n> 注：本项目的 3D 模型显示功能复用了 [ComfyUI-3D-Pack](https:\u002F\u002Fgithub.com\u002FMrForExample\u002FComfyUI-3D-Pack) 的部分代码，如需更高级的 3D 编辑功能，建议配合该插件使用。","一位独立游戏开发者需要快速将概念原画转化为可在引擎中预览的 3D 资产，以验证角色设计的立体效果。\n\n### 没有 ComfyUI-Flowty-TripoSR 时\n- 必须离开熟悉的 ComfyUI 绘图工作流，切换到独立的 Python 脚本环境或第三方网页工具进行转换，打断创作心流。\n- 传统建模方式耗时数小时，而现有的离线开源方案配置复杂，依赖管理繁琐，非技术背景的美术人员难以上手。\n- 无法在生成过程中实时调整参数或结合其他 AI 节点（如图像增强）进行预处理，导致“一次成像”，失败成本高。\n- 生成的模型格式不统一，需要额外步骤进行格式转换和清理才能导入游戏引擎查看效果。\n\n### 使用 ComfyUI-Flowty-TripoSR 后\n- 直接在 ComfyUI 节点图中嵌入 TripoSR 模块，实现从“单张原画输入”到\"3D 模型输出”的全流程自动化，无需切换软件。\n- 利用其先进的快速前馈重建技术，仅需几秒钟即可从单张图片生成高质量 3D 网格，大幅缩短迭代周期。\n- 可灵活串联图像放大或风格化节点作为前置处理，优化输入图片质量，从而显著提升最终 3D 模型的细节还原度。\n- 原生支持在 ComfyUI 界面内直接预览 3D 结果，并自动输出标准格式文件，无缝对接后续的游戏开发管线。\n\nComfyUI-Flowty-TripoSR 通过将顶尖的单图转 3D 能力无缝融入现有工作流，让创作者能以极低的门槛和成本实现从 2D 创意到 3D 资产的即时转化。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fflowtyone_ComfyUI-Flowty-TripoSR_6ce2be42.png","flowtyone",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fflowtyone_2fbb3bea.png","https:\u002F\u002Fgithub.com\u002Fflowtyone",[82,86,90,93],{"name":83,"color":84,"percentage":85},"Python","#3572A5",88.9,{"name":87,"color":88,"percentage":89},"JavaScript","#f1e05a",8.1,{"name":91,"color":92,"percentage":10},"CSS","#663399",{"name":94,"color":95,"percentage":29},"HTML","#e34c26",538,58,"2026-04-17T03:50:29","GPL-3.0","未说明","未说明（基于 TripoSR 模型特性，通常推荐 NVIDIA GPU 以加速推理，但 README 未明确指定型号或显存要求）",{"notes":103,"python":100,"dependencies":104},"1. 必须先安装 ComfyUI 主程序。\n2. 需手动下载 TripoSR 模型文件 (model.ckpt) 并放置于 ComfyUI\u002Fmodels\u002Fcheckpoints 目录。\n3. 该节点依赖 ComfyUI-3D-Pack 的部分代码用于在界面中显示 3D 模型。",[105],"requirements.txt 中定义的依赖（具体列表需查看该文件，README 未直接列出）",[18],"2026-03-27T02:49:30.150509","2026-04-19T03:08:38.191373",[],[]]