[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-midas-research--audino":3,"tool-midas-research--audino":61},[4,18,26,36,44,52],{"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",141543,2,"2026-04-06T11:32:54",[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。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":121,"forks":122,"last_commit_at":123,"license":124,"difficulty_score":10,"env_os":125,"env_gpu":126,"env_ram":126,"env_deps":127,"category_tags":139,"github_topics":141,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":149,"updated_at":150,"faqs":151,"releases":182},4430,"midas-research\u002Faudino","audino","Open source audio annotation tool for humans","Audino 是一款专为人类设计的开源音频标注工具，旨在简化语音数据的处理流程。它主要解决了音频数据在人工智能训练中难以高效、准确地进行转录和分类的痛点，帮助用户轻松完成从原始录音到结构化数据的转化。\n\n这款工具特别适合 AI 研究人员、数据科学家以及需要构建语音数据集的开发团队使用。无论是进行语音活动检测、说话人分离、身份识别，还是自动语音识别和情感分析，Audino 都能提供强大的支持。其最新版本 v2.0 由 Human Protocol 赞助开发，不仅功能全面，还处于活跃迭代中。\n\nAudino 的技术亮点在于其出色的灵活性与扩展性。它支持多语言操作，允许用户在标注中使用表情符号以增加数据的表现力。同时，系统提供了用户级别的项目、任务和作业管理功能，让团队协作更加有序。用户还可以自定义标签体系，并将标注结果导出为多种格式，以便无缝对接其他机器学习平台。基于 Docker 的部署方式使得安装和环境配置变得简单快捷，无论是本地测试还是跨机器协作，都能快速上手。","\u003Ch1 align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmidas-research_audino_readme_880e4054c726.png\" width=\"600px\" \u002F>\n\u003C\u002Fh1>\n\n\n# audino v2.0\n\n[![GitHub license](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue.svg)](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fblob\u002Fmaster\u002FLICENSE) [![PRs Welcome](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPRs-welcome-brightgreen.svg)](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues)\n\nAudino v2.0 (`main` branch) is an open-source audio annotation tool sponsored by [Human Protocol](https:\u002F\u002Fhmt.ai\u002F). It represents the evolution of Audino (found in the `master` branch) and offers a range of powerful features, including transcription and labeling capabilities. These features make Audino v2.0 an ideal choice for various tasks, such as Voice Activity Detection (VAD), Diarization, Speaker Identification, Automated Speech Recognition, Emotion Recognition, and more.\n\n🚀 *Note*: Audino v2.0 is actively under development. In the future, we plan to migrate from Audino to Audino v2.0 entirely. If you encounter any issues or have feedback, please don't hesitate to open an [issue](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues). Your input is valuable in helping us make Audino v2.0 even better!\n\n## Partners ❤️\n\n[Human Protocol](https:\u002F\u002Fhmt.ai\u002F) uses Audino as a way of adding an annotation service to the Human Protocol.\n\n## Features 🤘\nCurrent Features:\n\n1. Multi-Language Support: Audino v2.0 offers multi-language support, making it versatile for diverse linguistic needs.\n\n2. Emoji Support: Enhance your annotations with emoji support, adding expressiveness to your data.\n\n3. User-Level Projects, Tasks, and Jobs: Easily manage your annotation projects, tasks, and jobs at the user level for improved organization and efficiency.\n\n4. Flexible Label Creation: Enjoy the flexibility in creating and customizing labels, adapting to your specific annotation requirements.\n\n5. Export in specific formats: Download annotated data in different format for seamless integration with other tools and platforms.\n\n## Tutorials 🔍\n\nWe provide a set of [tutorials](.\u002Fdocs\u002Ftutorials.md) to guide users to achieve certain tasks. If you feel something is missing and should be included, please open an [issue](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues).\n\n\u003C\u002Fbr>\n\n# Getting started\n\n## Requirements\n\nPlease install the following dependencies to run `audino` on your system:\n\n1. [git](https:\u002F\u002Fgit-scm.com\u002F)\n2. [docker](https:\u002F\u002Fwww.docker.com\u002F) \n3. [docker-compose](https:\u002F\u002Fdocs.docker.com\u002Fcompose\u002F) \n\n### Clone the repository\n\n```sh\n$ git clone https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino.git\n$ cd audino\n$ git checkout main\n```\n\n## Installation Guide\n\nYou can either run the project on [default configuration](.\u002Fdocker-compose.yml) or modify them to your need.\n**Note**: Before proceeding further, you might need to give docker `sudo` access or run the commands listed below as `sudo`.\n\n**Set the host address if you want to use it from a different machine:**\n```sh\n# audino\u002F.env\nCVAT_HOST=\u003CFQDN>\n```\n```sh\n# audino\u002Faudino-frontend\u002F.env\nREACT_APP_BACKEND_FILE_URL=\"http:\u002F\u002F\u003CFQDN>:8080\"\nREACT_APP_BACKEND_URL=\"http:\u002F\u002F\u003CFQDN>:8080\u002Fapi\"\n```\n\n**To bring up the services, run:**\n\n```sh\n$ docker compose up -d\n```\n\nThen, in browser, go to [http:\u002F\u002Flocalhost:8080\u002F](http:\u002F\u002Flocalhost:8080\u002F) to view the application.\n\nYou can register a user but by default, it will not have rights even to view the list of tasks. Thus you should create a superuser. The superuser can use an admin panel to assign the correct groups to the user. Please use the command below:\n```sh\n$ docker exec -it cvat_server bash -ic 'python3 ~\u002Fmanage.py createsuperuser'\n```\n\n**To bring down the services, run:**\n\n```sh\n$ docker compose -f docker-compose.yml down\n```\n\n## Development Guide\n\n### Server Setup\n\n1. Install necessary dependencies: Ubuntu 22.04\u002F20.04\n     ```sh\n    $ cd cvat\n    $ sudo apt-get update && sudo apt-get --no-install-recommends install -y build-essential curl git redis-server python3-dev python3-pip python3-venv python3-tk libldap2-dev libsasl2-dev\n    \n    # Install Node.js 20\n    $ curl -fsSL https:\u002F\u002Fdeb.nodesource.com\u002Fsetup_20.x | sudo bash -\n    $ sudo apt-get install -y nodejs\n      ```\n\n2. Make sure to use Python 3.10.0 or higher\n    ```sh\n    $ python3 --version\n    ```\n\n3. Install CVAT on your local host:\n    ```sh\n    $ mkdir logs keys\n    $ python3 -m venv .env\n    $ . .env\u002Fbin\u002Factivate\n    $ pip install -U pip wheel setuptools\n    $ pip install -r cvat\u002Frequirements\u002Fdevelopment.txt\n    ```\n\n\n4. Install Docker Engine and Docker Compose\n\n5. Start service dependencies:\n    ```sh\n    $ cd ..\n    # Make sure you are in audino root dir\n    $ docker compose -f docker-compose.yml -f docker-compose.dev.yml up -d --build cvat_opa cvat_db cvat_redis_inmem cvat_redis_ondisk cvat_server\n    ```\n    Note: to stop these services, use `docker compose -f docker-compose.yml -f docker-compose.dev.yml down`. You can add -v to remove the data, as well.\n    \n6. Apply migrations and create a super user for CVAT:\n    ```sh\n    $ cd cvat\n    $ python manage.py migrate\n    $ python manage.py collectstatic\n    $ python manage.py createsuperuser\n    ```\n\n7. Run VScode from the virtual environment:\n    ```sh\n    $ source .env\u002Fbin\u002Factivate && code\n    ```\n8. Inside VScode, Open CVAT root dir\n9. Select `server: debug` configuration and run it (F5) to run REST server and its workers\n10. Make sure that Uncaught Exceptions option under breakpoints section is unchecked\n\nFor more information about CVAT server setup, refer to [Cvat docs](https:\u002F\u002Fdocs.cvat.ai\u002Fdocs\u002Fadministration\u002Fcommunity\u002Fbasics\u002Finstallation\u002F)\n\n### Frontend Setup\n\n1. Install npm packages for UI (Make sure you are in `audino\u002Faudino-frontend` dir):\n    ```sh\n    $ npm install\n    ```\n2. Start the server on port 3000\n    ```sh\n    $ npm run start\n    ```\n\n## License\n[CC BY-NC 4.0](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fblob\u002Fmain\u002FLICENSE) © MIDAS, IIIT Delhi\n","\u003Ch1 align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmidas-research_audino_readme_880e4054c726.png\" width=\"600px\" \u002F>\n\u003C\u002Fh1>\n\n\n# audino v2.0\n\n[![GitHub license](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue.svg)](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fblob\u002Fmaster\u002FLICENSE) [![PRs Welcome](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPRs-welcome-brightgreen.svg)](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues)\n\nAudino v2.0（`main` 分支）是一款由 [Human Protocol](https:\u002F\u002Fhmt.ai\u002F) 赞助的开源音频标注工具。它是 Audino（位于 `master` 分支）的升级版，提供了包括转录和标注在内的多种强大功能。这些功能使 Audino v2.0 成为执行语音活动检测（VAD）、说话人分离、说话人识别、自动语音识别、情感识别等多种任务的理想选择。\n\n🚀 *注意*：Audino v2.0 目前仍在积极开发中。未来我们计划完全迁移到 Audino v2.0。如果您遇到任何问题或有任何反馈，请随时提交 [issue](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues)。您的意见对我们改进 Audino v2.0 至关重要！\n\n## 合作伙伴 ❤️\n\n[Human Protocol](https:\u002F\u002Fhmt.ai\u002F) 使用 Audino 作为其 Human Protocol 平台上的标注服务。\n\n## 功能 🤘\n当前功能：\n\n1. 多语言支持：Audino v2.0 支持多国语言，能够满足多样化的语言需求。\n   \n2. 表情符号支持：通过表情符号增强标注内容，使数据更具表现力。\n\n3. 用户级项目、任务和作业管理：在用户级别轻松管理标注项目、任务和作业，提升组织效率。\n\n4. 灵活的标签创建：您可以灵活地创建和自定义标签，以适应特定的标注需求。\n\n5. 导出为特定格式：将标注数据导出为不同格式，便于与其他工具和平台无缝集成。\n\n## 教程 🔍\n\n我们提供了一系列 [教程](.\u002Fdocs\u002Ftutorials.md)，指导用户完成各项任务。如果您认为还有需要补充的内容，请提交 [issue](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues)。\n\n\u003C\u002Fbr>\n\n# 开始使用\n\n## 需求\n\n请安装以下依赖项，以便在您的系统上运行 `audino`：\n\n1. [git](https:\u002F\u002Fgit-scm.com\u002F)\n2. [docker](https:\u002F\u002Fwww.docker.com\u002F) \n3. [docker-compose](https:\u002F\u002Fdocs.docker.com\u002Fcompose\u002F) \n\n### 克隆仓库\n\n```sh\n$ git clone https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino.git\n$ cd audino\n$ git checkout main\n```\n\n## 安装指南\n\n您可以按照 [默认配置](.\u002Fdocker-compose.yml) 运行该项目，也可以根据自己的需求进行修改。\n**注意**：在继续操作之前，您可能需要授予 docker `sudo` 权限，或者以 `sudo` 身份运行以下命令。\n\n**如果希望从其他机器访问，请设置主机地址：**\n```sh\n# audino\u002F.env\nCVAT_HOST=\u003CFQDN>\n```\n```sh\n# audino\u002Faudino-frontend\u002F.env\nREACT_APP_BACKEND_FILE_URL=\"http:\u002F\u002F\u003CFQDN>:8080\"\nREACT_APP_BACKEND_URL=\"http:\u002F\u002F\u003CFQDN>:8080\u002Fapi\"\n```\n\n**启动服务：**\n\n```sh\n$ docker compose up -d\n```\n\n然后，在浏览器中访问 [http:\u002F\u002Flocalhost:8080\u002F](http:\u002F\u002Flocalhost:8080\u002F) 即可查看应用。\n\n您可以注册一个用户，但默认情况下该用户甚至没有查看任务列表的权限。因此，您需要创建一个超级用户。超级用户可以使用管理面板为普通用户分配相应的角色。请使用以下命令：\n```sh\n$ docker exec -it cvat_server bash -ic 'python3 ~\u002Fmanage.py createsuperuser'\n```\n\n**停止服务：**\n\n```sh\n$ docker compose -f docker-compose.yml down\n```\n\n## 开发指南\n\n### 服务器设置\n\n1. 安装必要的依赖：Ubuntu 22.04\u002F20.04\n     ```sh\n    $ cd cvat\n    $ sudo apt-get update && sudo apt-get --no-install-recommends install -y build-essential curl git redis-server python3-dev python3-pip python3-venv python3-tk libldap2-dev libsasl2-dev\n    \n    # 安装 Node.js 20\n    $ curl -fsSL https:\u002F\u002Fdeb.nodesource.com\u002Fsetup_20.x | sudo bash -\n    $ sudo apt-get install -y nodejs\n      ```\n\n2. 确保使用 Python 3.10.0 或更高版本\n    ```sh\n    $ python3 --version\n    ```\n\n3. 在本地主机上安装 CVAT：\n    ```sh\n    $ mkdir logs keys\n    $ python3 -m venv .env\n    $ . .env\u002Fbin\u002Factivate\n    $ pip install -U pip wheel setuptools\n    $ pip install -r cvat\u002Frequirements\u002Fdevelopment.txt\n    ```\n\n\n4. 安装 Docker 引擎和 Docker Compose\n\n5. 启动服务依赖项：\n    ```sh\n    $ cd ..\n    # 确保您位于 audino 根目录下\n    $ docker compose -f docker-compose.yml -f docker-compose.dev.yml up -d --build cvat_opa cvat_db cvat_redis_inmem cvat_redis_ondisk cvat_server\n    ```\n    注意：要停止这些服务，请使用 `docker compose -f docker-compose.yml -f docker-compose.dev.yml down`。您还可以添加 `-v` 参数来删除数据。\n\n6. 应用数据库迁移并创建 CVAT 的超级用户：\n    ```sh\n    $ cd cvat\n    $ python manage.py migrate\n    $ python manage.py collectstatic\n    $ python manage.py createsuperuser\n    ```\n\n7. 从虚拟环境中运行 VScode：\n    ```sh\n    $ source .env\u002Fbin\u002Factivate && code\n    ```\n8. 在 VScode 中打开 CVAT 根目录\n9. 选择 `server: debug` 配置并运行（F5），以启动 REST 服务器及其工作进程\n10. 确保断点设置中未勾选“未捕获异常”选项\n\n有关 CVAT 服务器设置的更多信息，请参阅 [CVAT 文档](https:\u002F\u002Fdocs.cvat.ai\u002Fdocs\u002Fadministration\u002Fcommunity\u002Fbasics\u002Finstallation\u002F)\n\n### 前端设置\n\n1. 安装 UI 的 npm 包（确保您位于 `audino\u002Faudino-frontend` 目录下）：\n    ```sh\n    $ npm install\n    ```\n2. 在端口 3000 上启动服务器\n    ```sh\n    $ npm run start\n    ```\n\n## 许可证\n[CC BY-NC 4.0](https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fblob\u002Fmain\u002FLICENSE) © MIDAS, IIIT Delhi","# Audino v2.0 快速上手指南\n\nAudino v2.0 是一款由 Human Protocol 赞助的开源音频标注工具，支持语音活动检测 (VAD)、说话人分离、自动语音识别 (ASR) 及情感识别等任务。它具备多语言支持、表情符号标注以及灵活的项目管理功能。\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并安装了必要的前置依赖：\n\n*   **操作系统**：推荐 Ubuntu 20.04\u002F22.04（开发模式必需），其他支持 Docker 的系统可用于部署模式。\n*   **前置依赖**：\n    1.  [Git](https:\u002F\u002Fgit-scm.com\u002F)\n    2.  [Docker](https:\u002F\u002Fwww.docker.com\u002F)\n    3.  [Docker Compose](https:\u002F\u002Fdocs.docker.com\u002Fcompose\u002F)\n    4.  （仅开发模式需要）Python 3.10+ 和 Node.js 20+\n\n## 安装步骤\n\n以下是基于 Docker 的快速部署流程，适用于大多数用户。\n\n### 1. 克隆代码库\n\n首先克隆项目并切换到 `main` 分支（Audino v2.0 所在分支）：\n\n```sh\ngit clone https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino.git\ncd audino\ngit checkout main\n```\n\n### 2. 配置主机地址（可选）\n\n如果您需要从非本机（不同机器）访问 Audino，请修改环境变量文件中的主机地址。将 `\u003CFQDN>` 替换为您的服务器域名或 IP 地址。\n\n编辑 `audino\u002F.env`：\n```sh\nCVAT_HOST=\u003CFQDN>\n```\n\n编辑 `audino\u002Faudino-frontend\u002F.env`：\n```sh\nREACT_APP_BACKEND_FILE_URL=\"http:\u002F\u002F\u003CFQDN>:8080\"\nREACT_APP_BACKEND_URL=\"http:\u002F\u002F\u003CFQDN>:8080\u002Fapi\"\n```\n\n*注：若仅在本地使用，可跳过此步。*\n\n### 3. 启动服务\n\n使用 Docker Compose 启动所有服务。\n**注意**：根据您的需求，可能需要使用 `sudo` 运行以下命令。\n\n```sh\ndocker compose up -d\n```\n\n### 4. 创建管理员账户\n\n服务启动后，默认注册的用户权限受限。您需要创建一个超级用户（Superuser）来管理项目和分配权限。\n\n执行以下命令创建超级用户：\n\n```sh\ndocker exec -it cvat_server bash -ic 'python3 ~\u002Fmanage.py createsuperuser'\n```\n\n按提示输入用户名、邮箱和密码。\n\n### 5. 访问应用\n\n打开浏览器访问：\n[http:\u002F\u002Flocalhost:8080\u002F](http:\u002F\u002Flocalhost:8080\u002F)\n\n使用刚才创建的超级用户账号登录即可开始使用。\n\n---\n\n## 基本使用\n\n登录成功后，您可以按照以下流程进行最简单的音频标注任务：\n\n1.  **创建项目**：\n    *   点击 \"Projects\" -> \"Create new project\"。\n    *   输入项目名称，选择标签格式（如 CVAT for images 或特定音频格式），保存。\n\n2.  **创建任务并上传数据**：\n    *   进入项目，点击 \"Tasks\" -> \"Create new task\"。\n    *   填写任务名称，上传您的音频文件（支持多种格式）。\n    *   在 \"Labels\" 部分定义您需要的标签（例如：\"Speech\", \"Noise\", \"Speaker_A\" 等），支持添加表情符号增强表达。\n\n3.  **开始标注**：\n    *   任务创建完成后，点击 \"Job #1\" 进入标注界面。\n    *   使用左侧工具栏绘制区域或时间轴标记。\n    *   利用快捷键进行播放、暂停和打标操作。\n\n4.  **导出数据**：\n    *   标注完成后，返回任务列表。\n    *   点击 \"Actions\" -> \"Export dataset\"，选择所需的格式下载标注结果，以便集成到其他机器学习平台。\n\n---\n\n*如需停止服务，请运行：`docker compose -f docker-compose.yml down`*","某智能客服团队正在构建多语言情绪识别模型，需要处理来自全球用户的数万条录音数据以训练 AI 准确识别客户愤怒、焦虑或满意的状态。\n\n### 没有 audino 时\n- 标注人员只能依靠本地播放器手动记录时间戳，无法在音频波形上直接框选片段，导致语音活动检测（VAD）和说话人分离的效率极低且误差大。\n- 面对西班牙语、日语等多语种录音，团队缺乏统一的多语言支持界面，不得不切换不同工具或依赖人工翻译备注，造成数据标准混乱。\n- 难以直观标记细微的情绪变化，纯文本备注无法表达语气强弱，导致后续模型训练时情感特征丢失，识别准确率停滞不前。\n- 项目进度分散在多个 Excel 表格中，管理者无法实时追踪每个标注员的任务完成情况，协作流程冗长且容易出错。\n\n### 使用 audino 后\n- 利用 audino 专业的波形可视化与标签定制功能，标注员可直接在时间轴上精准框选语音段并区分说话人，将 VAD 和说话人识别的标注效率提升了 3 倍。\n- 借助其内置的多语言支持与表情符号（Emoji）标注特性，团队能统一用直观的符号标记情绪强度，无需切换工具即可高质量完成全球语种的情感数据清洗。\n- 通过用户级的项目与任务管理面板，负责人可实时分配作业并监控进度，彻底解决了协作黑箱问题，确保数万条数据按时交付。\n- 支持一键导出特定格式的训练数据，无缝对接下游机器学习平台，消除了繁琐的数据转换环节，让模型迭代周期从周缩短至天。\n\naudino 将原本碎片化、低效的音频标注流程转化为标准化、可视化的协作闭环，显著降低了高质量语音数据集的构建门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmidas-research_audino_880e4054.png","midas-research","MIDAS, IIIT Delhi","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmidas-research_0c3dd913.png","MIDAS Research Laboratory, IIIT-Delhi",null,"research@midas.center","midasIIITD","http:\u002F\u002Fmidas.iiitd.edu.in","https:\u002F\u002Fgithub.com\u002Fmidas-research",[82,86,90,94,98,102,106,110,114,117],{"name":83,"color":84,"percentage":85},"TypeScript","#3178c6",37.6,{"name":87,"color":88,"percentage":89},"Python","#3572A5",37.3,{"name":91,"color":92,"percentage":93},"JavaScript","#f1e05a",19.7,{"name":95,"color":96,"percentage":97},"Mustache","#724b3b",2.2,{"name":99,"color":100,"percentage":101},"SCSS","#c6538c",1.5,{"name":103,"color":104,"percentage":105},"Open Policy Agent","#7d9199",0.8,{"name":107,"color":108,"percentage":109},"HTML","#e34c26",0.6,{"name":111,"color":112,"percentage":113},"Dockerfile","#384d54",0.1,{"name":115,"color":116,"percentage":113},"Shell","#89e051",{"name":118,"color":119,"percentage":120},"Go Template","#00ADD8",0,1131,141,"2026-04-01T02:58:23","NOASSERTION","Linux","未说明",{"notes":128,"python":129,"dependencies":130},"该工具主要基于 Docker 和 Docker Compose 部署，无需手动安装 Python 依赖即可运行生产环境。开发环境需在 Ubuntu 20.04\u002F22.04 上配置。首次运行需创建超级用户才能管理任务。前端运行在端口 3000，后端服务在端口 8080。若从其他机器访问，需配置 FQDN 环境变量。","3.10.0+",[131,132,133,134,135,136,137,138],"docker","docker-compose","git","nodejs (v20)","redis-server","build-essential","libldap2-dev","libsasl2-dev",[140,14,16],"音频",[142,143,144,145,146,147,148],"audio-processing","speech-processing","machine-learning","annotation-tool","audio-annotation","python","datasets","2026-03-27T02:49:30.150509","2026-04-06T22:02:10.541840",[152,157,162,167,172,177],{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},20137,"在 Windows 上使用 Docker 启动时遇到 'host not found in upstream \"backend\"' 错误怎么办？","这通常是由于 Docker 网络配置或容器启动顺序问题导致的。请确保所有服务（特别是 backend）已正确启动并加入同一网络。检查 docker-compose.yml 文件中的网络设置，确认 nginx 和 backend 服务在同一网络下。如果是 Windows 环境，尝试重启 Docker Desktop 或重新运行 `docker-compose up` 命令以确保容器正确初始化。","https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues\u002F34",{"id":158,"question_zh":159,"answer_zh":160,"source_url":161},20138,"MySQL 容器启动失败，报错 '--initialize specified but the data directory has files in it' 如何解决？","该错误表示 MySQL 数据目录中已存在文件，导致无法重新初始化。解决方法是清理旧的 MySQL 数据卷。首先停止容器 (`docker-compose down`)，然后删除挂载的 MySQL 数据目录（通常在 `.\u002Fmysql_data` 或通过 `docker volume ls` 查找对应卷），最后重新启动服务 (`docker-compose up`)。注意：此操作会清空所有数据库数据，请提前备份。","https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues\u002F63",{"id":163,"question_zh":164,"answer_zh":165,"source_url":166},20139,"启动服务后浏览器访问 http:\u002F\u002F0.0.0.0 显示 'site can't be reached' 怎么办？","首先确认服务是否运行在本地还是云服务器。如果是云服务器，请检查安全组或防火墙是否放行了对应端口（默认 80 或自定义端口）。其次，检查 `docker-compose.yml` 中的端口映射是否正确（例如 `ports: - \"80:80\"`）。如果修改了端口，请访问 `http:\u002F\u002F\u003CIP>:\u003C端口>`。此外，确保前端容器未意外退出（日志中显示 `audino_frontend_1 exited with code 0` 可能意味着构建或配置问题）。","https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues\u002F60",{"id":168,"question_zh":169,"answer_zh":170,"source_url":171},20140,"修改 Nginx 端口后（如改为 7000），访问页面仍显示默认的 'Welcome to nginx' 而不是 Audino 仪表盘，如何解决？","需要在 `docker-compose.yml` 文件中正确映射端口。找到 nginx 服务部分，将端口映射行修改为：\n```\nports:\n    - 7000:80\n```\n这表示将宿主机的 7000 端口映射到容器内的 80 端口。修改后重新运行 `docker-compose -f docker-compose.prod.yml up` 生效。不要直接访问容器内部端口，必须通过宿主机映射端口访问。","https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues\u002F36",{"id":173,"question_zh":174,"answer_zh":175,"source_url":176},20141,"克隆仓库后运行 `git submodule update --init --recursive` 报错 'No url found for submodule path cvat\u002Fdatumaro' 怎么处理？","这是一个已知的子模块配置问题。如果不需要 datumaro 功能，可以暂时忽略该子模块。尝试手动编辑 `.gitmodules` 文件，移除或注释掉 `cvat\u002Fdatumaro` 相关条目，然后再次运行更新命令。或者，仅初始化其他必要的子模块。根据用户反馈，即使忽略此错误，项目核心功能（如音频上传除外）仍可运行。若需完整功能，建议检查仓库最新提交是否已修复该配置。","https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues\u002F139",{"id":178,"question_zh":179,"answer_zh":180,"source_url":181},20142,"成功创建任务后无法查看 Jobs（任务列表为空或加载失败），可能的原因是什么？","首先确认您是在本地 Docker 环境还是官方部署版（app.audino.in）上运行。如果是本地环境，请检查后端日志是否有数据库连接错误或权限问题。确保执行了完整的启动流程：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino.git\ncd audino\ndocker compose up -d\n```\n如果问题依旧，检查浏览器控制台是否有 API 请求失败（如 404 或 500 错误），这可能是前后端版本不匹配或路由配置问题。尝试清除浏览器缓存或使用无痕模式访问。","https:\u002F\u002Fgithub.com\u002Fmidas-research\u002Faudino\u002Fissues\u002F128",[183],{"id":184,"version":185,"summary_zh":186,"released_at":187},118187,"v0.1.0","这是 `audino`（此前名为 `sat`）的首个稳定版本之一。\n\n出于历史原因，该版本仅供我们内部使用并持续维护。\n\n我们建议您在项目中使用最新版本，因为本版本将不再提供任何支持。","2020-06-04T08:09:22"]