[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ronibandini--reggaetonBeGone":3,"tool-ronibandini--reggaetonBeGone":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":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":80,"owner_location":81,"owner_email":82,"owner_twitter":83,"owner_website":84,"owner_url":85,"languages":86,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":95,"env_os":96,"env_gpu":97,"env_ram":98,"env_deps":99,"category_tags":103,"github_topics":104,"view_count":23,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":111,"updated_at":112,"faqs":113,"releases":144},3174,"ronibandini\u002FreggaetonBeGone","reggaetonBeGone","Detects reggaeton genre with Machine Learning and sends packets to disable BT speakers (hopefully)","reggaetonBeGone 是一款充满极客趣味的开源硬件项目，旨在用技术手段幽默地应对“雷鬼顿”（Reggaeton）音乐噪音扰民问题。它通过机器学习算法实时识别特定的雷鬼顿音乐风格，一旦检测到目标曲目，便会尝试向附近的蓝牙音箱发送干扰数据包，以期自动关闭音箱或停止播放，从而还用户一个清静的环境。\n\n该项目主要解决了在公共场合或邻里间因他人过度外放特定类型音乐而产生的噪音困扰，提供了一种自动化、智能化的“反制”思路。其核心技术亮点在于结合了树莓派硬件与 Edge Impulse 平台训练的轻量化机器学习模型，实现了端侧音频分类与蓝牙协议交互的联动，并配有 OLED 屏幕和物理按键以增强交互体验。\n\nreggaetonBeGone 更适合热爱动手的开发者、嵌入式工程师以及 AI 爱好者使用。由于涉及硬件组装（如树莓派、OLED 屏、按钮等）、电路连接及模型部署，它需要使用者具备一定的电子制作基础和编程能力。对于普通用户而言，虽然直接成品门槛较高，但其设计理念也为理解边缘计算在生活中的趣味应用提供了绝佳案例。目前项目已迭代至实验版本，优化了误报率并提升了模型精度，是探索创意物联网应用的","reggaetonBeGone 是一款充满极客趣味的开源硬件项目，旨在用技术手段幽默地应对“雷鬼顿”（Reggaeton）音乐噪音扰民问题。它通过机器学习算法实时识别特定的雷鬼顿音乐风格，一旦检测到目标曲目，便会尝试向附近的蓝牙音箱发送干扰数据包，以期自动关闭音箱或停止播放，从而还用户一个清静的环境。\n\n该项目主要解决了在公共场合或邻里间因他人过度外放特定类型音乐而产生的噪音困扰，提供了一种自动化、智能化的“反制”思路。其核心技术亮点在于结合了树莓派硬件与 Edge Impulse 平台训练的轻量化机器学习模型，实现了端侧音频分类与蓝牙协议交互的联动，并配有 OLED 屏幕和物理按键以增强交互体验。\n\nreggaetonBeGone 更适合热爱动手的开发者、嵌入式工程师以及 AI 爱好者使用。由于涉及硬件组装（如树莓派、OLED 屏、按钮等）、电路连接及模型部署，它需要使用者具备一定的电子制作基础和编程能力。对于普通用户而言，虽然直接成品门槛较高，但其设计理念也为理解边缘计算在生活中的趣味应用提供了绝佳案例。目前项目已迭代至实验版本，优化了误报率并提升了模型精度，是探索创意物联网应用的优秀开源素材。","# Reggaeton Be Gone\n\n![RBG](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fronibandini_reggaetonBeGone_readme_9fb3e374d78d.png)\n\nDetects reggaeton musical genre with Machine Learning and sends packets to disable BT speakers (hopefully)\n\n# Parts \nRaspberry Pi 3 https:\u002F\u002Fwww.dfrobot.com\u002Fproduct-1703.html?tracking=hOuIhw4fDaJRTdy4abz04npbQC78dqxBkqVt7XMFYxEXj2s0ukWgm71wbut0ewUP\n\nDFRobot Oled 128x32 screen https:\u002F\u002Fwww.dfrobot.com\u002Fproduct-2018.html?tracking=hOuIhw4fDaJRTdy4abz04npbQC78dqxBkqVt7XMFYxEXj2s0ukWgm71wbut0ewUP\n\nPush button https:\u002F\u002Fwww.dfrobot.com\u002Fproduct-1098.html?tracking=hOuIhw4fDaJRTdy4abz04npbQC78dqxBkqVt7XMFYxEXj2s0ukWgm71wbut0ewUP\n\nBT Audio Receiver 5.0 (to test with your own BT) https:\u002F\u002Fwww.dfrobot.com\u002Fproduct-2085.html?tracking=hOuIhw4fDaJRTdy4abz04npbQC78dqxBkqVt7XMFYxEXj2s0ukWgm71wbut0ewUP \n\nJumper cables\n\n# Machine Learning\nModel trained using Edge Impulse platform https:\u002F\u002Fedgeimpulse.com\u002F (free account for developers)\nI will soon post the eim file or make public my project for cloning\n\n# Complete Instructions\nEnglish https:\u002F\u002Fwww.hackster.io\u002Froni-bandini\u002Freggaeton-be-gone-e5b6e2\nSpanish workshop https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=sPcHeiP9Xgg\n\n# Connections\nOled SDA ->  Rpi GPIO 2\nOled SCL -> Rpi GPIO 3\nOled VCC -> Rpi VCC\nOled GND -> Rpi GND\n\nButton pin 1 -> GPIO26\nButton pin 2 -> GND\n\nPower supply: 5V 3A\n\n# 2.0 Experimental version\nThis version was made for the Nerdearla Chile workshop. It includes several enhancements  \n\n# 3.0 Experimental version\nThis version was made for Ekoparty workshop and it was given for free to the participants. It includes on device scan, strike to avoid false positives, better ML model and more. You can get this version (software, 3d enclosure and ML model) at https:\u002F\u002Fwww.patreon.com\u002FRoniBandini\u002Fshop\u002Freggaeton-be-gone-version-experimental-3-860409 \n\n# Pocket Gone\n\nReggaeton Be Gone is not an easy device to make. Besides, most people just need a simple way to disable loud Bluetooth speakers. I have another device called Pocket Gone—cheaper, portable, and easy to make. You can sign up for the asynchronous workshop and build your own. https:\u002F\u002Fwww.patreon.com\u002FRoniBandini\u002Fshop\u002Ftaller-virtual-de-pocket-gone-945256 \n\n# Contact\nCustomizations, prototyping, maker or AI talks? \n\nRoni Bandini\nhttps:\u002F\u002Fwww.instagram.com\u002Fronibandini\u002F\nhttps:\u002F\u002Fx.com\u002FRoniBandini\nhttps:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fronibandini\u002F\n","# 雷鬼动音乐走开\n\n![RBG](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fronibandini_reggaetonBeGone_readme_9fb3e374d78d.png)\n\n利用机器学习检测雷鬼动音乐流派，并发送数据包以禁用蓝牙音箱（希望如此）。\n\n# 所需部件\n树莓派 3 https:\u002F\u002Fwww.dfrobot.com\u002Fproduct-1703.html?tracking=hOuIhw4fDaJRTdy4abz04npbQC78dqxBkqVt7XMFYxEXj2s0ukWgm71wbut0ewUP\n\nDFRobot 128×32 OLED 屏幕 https:\u002F\u002Fwww.dfrobot.com\u002Fproduct-2018.html?tracking=hOuIhw4fDaJRTdy4abz04npbQC78dqxBkqVt7XMFYxEXj2s0ukWgm71wbut0ewUP\n\n按钮 https:\u002F\u002Fwww.dfrobot.com\u002Fproduct-1098.html?tracking=hOuIhw4fDaJRTdy4abz04npbQC78dqxBkqVt7XMFYxEXj2s0ukWgm71wbut0ewUP\n\n蓝牙音频接收器 5.0（用于与您自己的蓝牙设备配对测试）https:\u002F\u002Fwww.dfrobot.com\u002Fproduct-2085.html?tracking=hOuIhw4fDaJRTdy4abz04npbQC78dqxBkqVt7XMFYxEXj2s0ukWgm71wbut0ewUP \n\n跳线\n\n# 机器学习\n模型使用 Edge Impulse 平台训练 https:\u002F\u002Fedgeimpulse.com\u002F（开发者可免费注册账号）\n我将很快发布 eim 文件，或将我的项目公开以便克隆。\n\n# 完整说明\n英文：https:\u002F\u002Fwww.hackster.io\u002Froni-bandini\u002Freggaeton-be-gone-e5b6e2  \n西班牙语工作坊：https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=sPcHeiP9Xgg\n\n# 连接方式\nOLED SDA -> 树莓派 GPIO 2  \nOLED SCL -> 树莓派 GPIO 3  \nOLED VCC -> 树莓派 VCC  \nOLED GND -> 树莓派 GND  \n\n按钮引脚 1 -> GPIO26  \n按钮引脚 2 -> GND  \n\n电源：5V 3A\n\n# 2.0 实验版\n此版本为智利 Nerdearla 工作坊制作，包含多项改进。\n\n# 3.0 实验版\n此版本为 Ekoparty 工作坊制作，并免费分发给参与者。它增加了设备端扫描功能、防误报的触发机制、更优的机器学习模型等。您可在以下链接获取该版本（软件、3D 外壳及机器学习模型）：https:\u002F\u002Fwww.patreon.com\u002FRoniBandini\u002Fshop\u002Freggaeton-be-gone-version-experimental-3-860409 \n\n# Pocket Gone\n\n“雷鬼动音乐走开”并非易于制作的设备。此外，大多数人只是需要一种简单的方式来关闭嘈杂的蓝牙音箱。为此，我开发了另一款名为 Pocket Gone 的设备——成本更低、便携且易于制作。您可以报名参加异步工作坊并亲手打造属于自己的设备。https:\u002F\u002Fwww.patreon.com\u002FRoniBandini\u002Fshop\u002Ftaller-virtual-de-pocket-gone-945256 \n\n# 联系方式\n定制化需求、原型制作、创客或人工智能相关交流？  \n\nRoni Bandini  \nhttps:\u002F\u002Fwww.instagram.com\u002Fronibandini\u002F  \nhttps:\u002F\u002Fx.com\u002FRoniBandini  \nhttps:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fronibandini\u002F","# Reggaeton Be Gone 快速上手指南\n\nReggaeton Be Gone 是一个基于机器学习的趣味硬件项目，运行在 Raspberry Pi 上。它能实时检测雷鬼顿（Reggaeton）音乐风格，并在识别到时尝试发送数据包干扰蓝牙音箱（实验性功能）。\n\n## 环境准备\n\n### 硬件要求\n本项目需要以下硬件组件进行组装：\n- **主控板**：Raspberry Pi 3 (或兼容型号)\n- **显示屏**：DFRobot OLED 128x32 (I2C 接口)\n- **输入设备**：轻触按钮 (Push button)\n- **音频输入**：蓝牙音频接收器 5.0 (用于测试信号源)\n- **其他**：杜邦线若干、5V 3A 电源适配器\n\n### 系统要求\n- **操作系统**：Raspberry Pi OS (推荐最新版，基于 Debian)\n- **网络**：需连接互联网以安装依赖和获取模型文件\n- **账号**：Edge Impulse 开发者账号（用于获取或重新训练 `.eim` 模型文件）\n\n### 前置依赖\n确保系统已更新并安装基础开发工具：\n```bash\nsudo apt update\nsudo apt upgrade -y\nsudo apt install -y python3-pip python3-venv git i2c-tools\n```\n\n**启用 I2C 接口**：\n使用 `raspi-config` 开启 I2C 以连接 OLED 屏幕：\n```bash\nsudo raspi-config\n# 选择 \"Interface Options\" -> \"I2C\" -> Yes\n# 完成后重启系统\nsudo reboot\n```\n\n## 安装步骤\n\n由于该项目主要依赖 Edge Impulse 导出的运行时库，以下是通用的部署流程：\n\n1. **克隆项目代码**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fronibandini\u002FreggaetonBeGone.git\n   cd reggaetonBeGone\n   ```\n\n2. **创建虚拟环境并安装依赖**\n   ```bash\n   python3 -m venv venv\n   source venv\u002Fbin\u002Factivate\n   pip install --upgrade pip\n   # 注意：具体依赖包请参考项目根目录下的 requirements.txt (如有)\n   # 通常 Edge Impulse Python SDK 是核心依赖\n   pip install edge-impulse-linux\n   ```\n\n3. **配置模型文件**\n   作者提到模型文件 (`.eim`) 将通过 Edge Impulse 公开或提供下载。请将训练好的模型文件放置在项目指定目录（通常为根目录或 `models` 文件夹），并确保代码中的路径引用正确。\n   \n   *注：若需自行训练，请访问 [Edge Impulse](https:\u002F\u002Fedgeimpulse.com\u002F) 创建项目，采集音频数据后导出 Linux 64-bit 或 ARM64 版本的 C++\u002FPython 库。*\n\n4. **硬件连线检查**\n   在运行前，请确认 GPIO 接线符合以下定义：\n   - **OLED SDA** -> RPi GPIO 2\n   - **OLED SCL** -> RPi GPIO 3\n   - **OLED VCC** -> RPi 5V\n   - **OLED GND** -> RPi GND\n   - **Button Pin 1** -> GPIO 26\n   - **Button Pin 2** -> GND\n\n## 基本使用\n\n完成硬件组装和软件部署后，可通过以下命令启动检测程序。\n\n1. **激活环境并运行主程序**\n   ```bash\n   source venv\u002Fbin\u002Factivate\n   python3 main.py\n   ```\n   *(注：如果主脚本名称不同，请替换 `main.py` 为实际入口文件名，如 `app.py` 或 `detector.py`)*\n\n2. **操作流程**\n   - 启动后，OLED 屏幕应显示初始化状态。\n   - 按下连接的物理按钮开始监听周围环境音频。\n   - 当算法检测到 \"Reggaeton\" 音乐特征时，屏幕将显示警报，并触发蓝牙干扰逻辑（实验性功能，效果取决于目标设备）。\n\n3. **进阶版本说明**\n   - **v2.0\u002Fv3.0**：包含更精准的模型和误报过滤机制。部分高级版本（含 3D 外壳文件和优化模型）可通过作者的 Patreon 页面获取。\n   - **Pocket Gone**：如果需要更简易的便携式方案，可关注作者推出的 \"Pocket Gone\" 项目。\n\n> **提示**：本项目的蓝牙干扰功能仅为技术探索（Proof of Concept），请在合法合规的环境下进行测试，勿用于干扰他人正常设备使用。","在智利举办的 Nerdearla 技术研讨会期间，组织者面临户外休息区被附近商铺高音量雷鬼顿（Reggaeton）音乐严重干扰的棘手问题，导致演讲者与听众无法专注交流。\n\n### 没有 reggaetonBeGone 时\n- **沟通效率低下**：持续且节奏强烈的背景音乐掩盖了人声，迫使演讲者不得不大声喊叫，听众仍难以听清技术分享的核心内容。\n- **缺乏精准干预手段**：工作人员无法快速定位并关闭特定的蓝牙音箱，人工交涉往往引发冲突或被忽视，且无法区分音乐类型误伤其他音频。\n- **环境体验恶化**：高强度的噪音污染导致参会者注意力分散，部分人被迫离开休息区，严重破坏了技术社区活动的专业氛围。\n- **响应滞后**：从发现噪音干扰到尝试解决存在明显的时间差，往往等处理完毕，关键的讨论窗口期已经错过。\n\n### 使用 reggaetonBeGone 后\n- **自动化静音干预**：部署在树莓派上的 reggaetonBeGone 利用机器学习实时监测音频流，一旦识别出雷鬼顿特征，立即自动发送数据包切断目标蓝牙音箱连接。\n- **精准识别免误伤**：基于 Edge Impulse 训练的专用模型能准确区分雷鬼顿与其他音乐或人声，确保只针对干扰源进行“打击”，避免误关正常设备。\n- **即时恢复专注环境**：从检测到噪音到音箱静音仅需毫秒级响应，无需人工介入，瞬间为研讨会现场重建安静的交流空间。\n- **可视化状态反馈**：通过连接的 OLED 屏幕实时显示检测状态与拦截次数，让组织者可直观监控系统运行情况，确保持续防护。\n\nreggaetonBeGone 通过将边缘 AI 识别与蓝牙协议控制相结合，把原本被动忍受的噪音干扰转化为主动、精准且自动化的环境治理方案。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fronibandini_reggaetonBeGone_9fb3e374.png","ronibandini","Roni Bandini","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fronibandini_19435ca3.png","Contracultura Maker 🛠️\r\n\r\nMachine Learning,  LLM, Arduino,  ESP32,  Raspberry Pi, Python, C++, SQL, n8n, 3d modeling. ",null,"Buenos Aires, Argentina","bandini@gmail.com","RoniBandini","https:\u002F\u002Fbandini.medium.com\u002F","https:\u002F\u002Fgithub.com\u002Fronibandini",[87],{"name":88,"color":89,"percentage":90},"Python","#3572A5",100,972,117,"2026-03-27T09:56:35","MIT",5,"Linux","未说明","未说明 (运行于 Raspberry Pi 3)",{"notes":100,"python":97,"dependencies":101},"该项目主要基于硬件构建，核心控制器为 Raspberry Pi 3。机器学习模型使用 Edge Impulse 平台训练并部署在设备上（边缘计算），无需高性能 GPU 或大型服务器环境。项目包含特定的硬件连接需求（OLED 屏幕、按钮、蓝牙音频接收器），软件部分似乎紧密集成于 Raspberry Pi 的 GPIO 控制，而非通用的桌面 Python 环境。",[102],"Edge Impulse (模型训练平台)",[13,55],[105,106,107,108,109,110],"bluetooth","ddos","machine-learning","music","python","reggaeton","2026-03-27T02:49:30.150509","2026-04-06T07:15:08.699881",[114,119,124,129,134,139],{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},14624,"运行项目时遇到蓝牙连接错误（如 'Device or resource busy' 或 'Operation not permitted'）怎么办？","这通常是因为权限不足或设备被占用。尝试使用 sudo 运行第一种方法；如果第二种方法报错 'Connection reset by peer'，请确保没有其他程序占用蓝牙资源。维护者建议检查是否正确选择了设备 ID，并确认麦克风在旧版本中是否正常工作。如果是权限问题，可能需要以 root 身份运行或检查虚拟环境中的依赖安装。","https:\u002F\u002Fgithub.com\u002Fronibandini\u002FreggaetonBeGone\u002Fissues\u002F4",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},14625,"遇到 ALSA\u002FPulseAudio 连接拒绝或 'Invalid card' 错误如何解决？","该错误通常与音频设备配置有关。首先确认在 selectedDeviceId 中选择了正确的设备 ID。维护者指出，如果使用外部 USB 声卡通常能避免此问题。此外，错误可能是因为以 root 身份运行导致的，建议在虚拟环境中不使用 root 安装所有依赖项进行重试。如果攻击功能无效，可能是因为缺乏 root 权限，需适当调整权限设置。","https:\u002F\u002Fgithub.com\u002Fronibandini\u002FreggaetonBeGone\u002Fissues\u002F8",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},14626,"如何修改代码以识别和阻断除 Reggaeton 以外的其他音乐流派（如 Rock, Cumbia）？","你可以更新机器学习模型，参考 Hackster 指南中使用 GTZAN 数据集，它支持多流派分类。具体代码修改方面，需要调整循环中的条件判断语句。将 `if label=='reggaeton' and score\u003C=threshold:` 修改为包含你想要的流派（例如添加 'rock', 'cumbia' 等）。同时，可能需要调整 `threshold`（阈值）以获得更好的检测效果。","https:\u002F\u002Fgithub.com\u002Fronibandini\u002FreggaetonBeGone\u002Fissues\u002F14",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},14627,"是否可以使用多个 HC-05 模块来增强对蓝牙音箱的攻击效果？","是的，这是可行的。维护者确认可以 Incorporate 多个 HC-05 模块到 Raspberry Pi 上。设置过程包含几个步骤，你还可以使用更长的线缆将 HC-05 模块作为天线放置，以扩大覆盖范围或增强信号强度。","https:\u002F\u002Fgithub.com\u002Fronibandini\u002FreggaetonBeGone\u002Fissues\u002F2",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},14628,"该项目有现成的成品出售吗？或者有更简单的自制方案吗？","维护者目前没有直接出售成品，但发布了另一种手动激活设备的详细制作教程，该方案更易于制造。你可以访问维护者的 Medium 文章查看“Pocket Gone”项目的详细信息，该设备用于阻断蓝牙音箱，适合感兴趣的用户自行组装。","https:\u002F\u002Fgithub.com\u002Fronibandini\u002FreggaetonBeGone\u002Fissues\u002F15",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},14629,"是否可以将该项目移植到 ESP32 平台上运行？","虽然官方主要基于 Raspberry Pi，但社区用户已提出在 ESP32 上实现的构想，并计划配合外部天线使用。维护者对此表示鼓励，欢迎用户在取得进展后在社区内分享。如果你打算尝试，可以参考现有的 WiFi 干扰原理视频作为辅助，并关注仓库后续更新的脚本代码以获取逻辑参考。","https:\u002F\u002Fgithub.com\u002Fronibandini\u002FreggaetonBeGone\u002Fissues\u002F1",[]]