ZonyLrcToolsX首頁、文檔和下載- 歌詞下載工具- Development details

ZonyLrcToolX 4 是一個基於CEF 的跨平台歌詞下載工具。 🚧 當前版本正在開發當中。🚧 如果你想查看可以工作的代碼,請切換到dev 分支。 工具會執行每日構建動作,請訪問 Release 頁面進行下載。 Windows 用戶請在軟件目錄當中,按住Shift + 右鍵呼出菜單,然後選擇PowerShell/命令提示符/Windows 終端,根據下述說明執行命令即可。 macOS 和Linux 用戶請打開終端,切換到軟件目錄,一樣執行命令即可。 子命令 下載功能 子命令為 download,可用於下載歌詞數據和專輯圖像,支持多個下載器進行下載。 .\ZonyLrcTools.Cli.exe download -d|dir <WAIT_SCAN_DIRECTORY> [-l|–lyric] [-a|–album] [-n|–number] …

Taskbar-Lyrics首頁、文檔和下載- Windows 11 任務欄歌詞工具- Development details

Taskbar-Lyrics 是一款BetterNCM(網易云客戶端插件管理器) 插件,可在任務欄上嵌入歌詞,目前僅建議Windows 11。 注意:只適配原版任務欄,使用第三方軟件修改可能出現問題 編譯需安裝以下庫: cpp-httplib:x86-windows nlohmann-json:x86-windows #TaskbarLyrics首頁文檔和下載 #Windows #任務欄歌詞工具 #Development details

Pandas AI首頁、文檔和下載- 為Pandas 庫加入AI 功能- Development details

Pandas AI 是一個Python 庫,它為流行的Python 數據分析和操作工具Pandas 庫添加了生成人工智能功能,旨在與Pandas 結合使用,而不是它的替代品。 Demo 在瀏覽器中試用PandasAI: 安裝 用法 PandasAI 旨在與Pandas 結合使用。它使Pandas 具有對話性,允許以Pandas DataFrames 的形式提出有關數據的問題並獲得答案。 例如,您可以要求PandasAI 查找DataFrame 中列值大於5 的所有行,它將返回僅包含這些行的DataFrame: import pandas as pd from pandasai import PandasAI # …

Tailchat首頁、文檔和下載- 開源IM 應用- Development details

Tailchat:你自己工作區中的下一代noIM 應用程序。 Tailchat 是一款插件化易拓展的開源IM 應用。可拓展架構賦予 Tailchat 無限可能性。 前端微內核架構+ 後端微服務架構使得 Tailchat 能夠駕馭任何定制化/私有化的場景 面向企業與私域用戶打造,高度自由的群組管理與定制化的面板展示可以讓私域主能夠更好的展示自己的作品,管理用戶,打造自己的品牌與圈子。 完整的即時通訊基礎能力 插件化架構的賦予的自由拓展能力 微服務架構賦予的水平拓展能力 基於mini-star的前端微內核架構與基於moleculer的後端微服務架構可以適應各種用戶用量,便於拓展 完整的聊天系統,支持提及、面板跳轉、富文本、markdown、url鏈接等各種語法 消息reaction機制,讓你通過表情表達自己 文件分享與圖片發送 支持語音通話與視頻通話 …

Flowise首頁、文檔和下載- 輕鬆構建LLM 應用程序- Development details

Flowise 是一個開源UI 可視化工具,使用以Node Typescript/Javascript 編寫的LangchainJS 構建自定義LLM 流程。 Language Translation Chain:使用帶有聊天提示模板和聊天模型的LLM Chain 進行語言翻譯 有記憶的會話代理:聊天模型的會話代理,它利用聊天特定提示和緩衝存儲器 #Flowise首頁文檔和下載 #輕鬆構建LLM #應用程序 #Development details

ChatVRM首頁、文檔和下載- 與瀏覽器中的3D 角色交談- Development details

ChatVRM 可輕鬆地與瀏覽器中的3D 角色交談。通過導入VRM 文件,可以調整聲音以匹配角色,並生成包含情感表達的響應。 ChatVRM的各項功能主要使用了以下技術。 用戶語音識別 生成響應文本 生成朗讀音頻 顯示3D 角色 演示 https://pixiv.github.io/ChatVRM 執行 克隆或下載此存儲庫以在本地運行。 git clone git@github.com:pixiv/ChatVRM.git 請安裝所需的軟件包。 包安裝完成後,使用以下命令啟動開發Web 服務器。 執行後,訪問以下URL,查看運行情況。 http://本地主機:3000 ChatGPT API ChatVRM 使用ChatGPT API 生成響應。 有關ChatGPT API …

VLE首頁、文檔和下載- 視覺-語言多模態預訓練模型- Development details

VLE (Vision-Language Encoder) 是一種基於預訓練文本和圖像編碼器的圖像-文本多模態理解模型,可應用於如視覺問答、圖像-文本檢索等多模態判別任務。特別地,在對語言理解和推理能力有更強要求的視覺常識推理(VCR)任務中,VLE取得了公開模型中的最佳效果。 在線演示地址:https://huggingface.co/spaces/hfl/VQA_VLE_LLM VLE模型採用雙流結構,與METER模型結構類似,由兩個單模態編碼器(圖像編碼器和文本編碼器)和一個跨模態融合模塊構成。 VLE與METER的結構上的差異在於: VLE使用DeBERTa-v3作為文本編碼器,其性能優於METER中使用的RoBERTa-base。 在VLE-large中,跨模態融合模塊的隱層維度增加至1024,以增加模型的容量。 在精調階段,VLE引入了額外的token類型向量表示。 預訓練 VLE使用圖文對數據進行預訓練。在預訓練階段,VLE採用了四個預訓練任務: MLM (Masked Language Modeling):掩碼預測任務。給定圖文對,隨機遮掩文本中的部分單詞,訓練模型還原遮掩的文本。 ITM (Image-Text Matching):圖文匹配預測任務。給定圖文對,訓練模型判斷圖像和文本是否匹配。 MPC (Masked Patch-box Classification):遮掩Patch分類任務,給定圖文對,並遮掩掉圖片中包含具體對象的patch,訓練模型預測被遮掩的對象種類。 PBC (Patch-box classification):Patch分類任務。給定圖文對,預測圖片中的哪些patch與文本描述相關。 VLE在14M的英文圖文對數據上進行了25000步的預訓練,batch大小為2048。下圖展示了VLE的模型結構和部分預訓練任務(MLM、ITM和MPC)。 下游任務適配 視覺問答(VQA) 遵循標準做法,使用VQA的訓練集(training …

Drizzle ORM首頁、文檔和下載- 用於SQL 數據庫的TypeScript ORM – Development details

Drizzle ORM 是用於SQL 數據庫的TypeScript ORM,在設計時考慮到了最大的類型安全性。它帶有用於自動生成SQL 遷移的drizzle-kit CLI 。 Drizzle ORM 是一個庫,而不是一個框架,它的主要哲學是“如果你知道SQL,你就知道Drizzle ORM”,因此設計的時候盡可能遵循類似SQL 的語法,強類型化並在編譯時就會失敗,而不是在運行時。 功能列表 全類型安全 智能自動遷移生成 沒有ORM 學習曲線 用於表定義和查詢的類似於SQL 的語法 一流的全類型連接 任何復雜性的全類型部分和非部分選擇 自動推斷DB 模型的TS 類型以分別選擇和插入 Zod 架構生成 零依賴 支持的數據庫 安裝 …

WingetUI首頁、文檔和下載- 軟件包管理器的GUI – Development details

WingetUI 的主要目標是為Windows 上最常見的CLI 軟件包管理器(如Winget、Scoop 和Chocolatey)創建一個直觀的GUI 的項目。 WingetUI 提供了一個友好、易於使用的用戶界面,讓用戶不再需要通過Windows 終端、PowerShell 或命令提示符來使用。借助WingetUI,用戶能夠輕鬆地下載、安裝、更新和卸載任何在支持的軟件包管理器上發布的軟件。 特徵 WingetUI 能夠從Winget、Scoop 和Chocolatey 安裝、更新和卸載包。 WingetUI 還會檢測您手動安裝的應用程序是否可以更新! 它還可以升級和卸載以前安裝的軟件包,以及卸載內置的Windows 應用程序 WingetUI 能夠導入和導出選擇的軟件包 安裝舊版本的應用程序。 WingetUI 在有可用更新時顯示通知 …

輕量級期貨量化開發框架lightning-trader

lightning trader是針對國內期貨市場推出的一款高頻交易庫,松耦合的框架設計使得lightning很容易擴展,高效的線程模型可以使lightning-trader的o2p控制在2微秒以內。 lightning-trader主要針對國內期貨市場,現在API支持CTP,支持(大商所,鄭商所,上期所)所有合於交易;主打中高頻交易,支持套利交易,做市交易,訂單流等算法交易。 lightning-trader框架自下而上分3層架構(lightning.dll) 最底層是ctpapi以及高頻測試用的高… #輕量級期貨量化開發框架lightningtrader

KernelSU首頁、文檔和下載- Android root 方案- Development details

KernelSU 是一個Android 上基於內核的root 方案。 特性 基於內核的su 和權限管理,KernelSU 在Linux 內核模式下工作,它對用戶空間應用程序有更多的控制權。 只有獲得root權限的App才能訪問su,其他app 無法感知su。 基於overlayfs 的模塊系統,KernelSU 支持通過overlayfs 修改/system,它甚至可以使/system 可寫。 兼容狀態 KernelSU 官方支持GKI 2.0 的設備(內核版本5.10以上);舊內核也是兼容的(最低4.14+),不過需要自己編譯內核。 WSA 和運行在容器上的Android 也可以與KernelSU 一起工作。 目前支持架構 : arm64-v8a 和 x86_64 …

Serverpod首頁、文檔和下載- Dart 編寫的Web 服務器- Development details

Serverpod 是開源、可擴展的應用程序和Web 服務器,專為Flutter 和Dart 生態構建。它允許開發者在Dart 中編寫服務器端代碼、自動生成API,並以最小的努力連接數據庫,開發者可以在任何地方託管服務器。 代碼生成 Serverpod 通過分析服務器自動生成協議和客戶端代碼,調用遠程端點就像進行本地方法調用一樣簡單。 日誌記錄 不再需要搜索無窮無盡的服務器日誌,只需單擊一下,即可在易於使用的用戶界面中查明異常和緩慢的數據庫查詢。 內置緩存 降低數據庫成本,無需在不必要時永久保存所有數據。 Serverpod 帶有內置的高性能分佈式緩存。任何可序列化的對像都可以在服務器本地緩存。 易於使用的ORM 省時間,使用Serverpod 的ORM,你的查詢使用原生Dart 類型和null-safety。從靜態檢查代碼到數據庫有一條直線路徑。 Serverpod 自動生成設置數據庫所需的Postgres 查詢。 文件上傳 將文件直接上傳到S3 或將它們存儲在你的數據庫中。 驗證 目前支持的有Google、Apple、Firebase 和電子郵件登陸 數據流 通過經過身份驗證的套接字傳遞序列化對象。從服務器推送消息以進行實時通信,支持跨服務器集群發送消息,非常適合構建遊戲或聊天應用程序。 …

Qwik首頁、文檔和下載- 全棧Web 框架- Development details

Qwik 是一個全棧式Web 框架,Qwik 基於React、Angular 和Vue 等其他Web 框架的概念,但以JavaScript 流等更新的方法脫穎而出,允許以高性能向用戶交付複雜的Web 應用程序。 Qwik 提供最快的頁面加載時間—— 無論你的網站有多複雜。 Qwik 之所以如此之快,是因為它允許完全交互的站點幾乎不需要JavaScript 就可以加載,並且可以從服務器停止的地方開始加載。當用戶與網站交互時,只有站點的必要部分按需加載。 主要特性 開箱即用的用戶體驗 通過JavaScript 流實現即時加載:即使應用程序的複雜程度隨著時間的推移而增加,也能保持這種狀態。 推測性代碼獲取:在用戶需要時準確地提供你需要的代碼,以確保即時的用戶交互性,即使是在網絡不可靠的緩慢移動設備上。 惰性執行:Qwik 的可恢復技術盡可能地推遲瀏覽器中代碼的執行,以保持瀏覽器主線程的自由和對用戶交互的響應。 優化渲染時間:Qwik 是響應式的,也就是說,在默認情況下,它只更新絕對需要的東西。 數據獲取:從服務器開始獲取數據,以防止“瀑布” …