Github2023年9月21日开源项目趋势

2023-09-21 约 14321 字预计阅读 29 分钟次阅读

根据Github Trendings的统计，今日(2023-09-21统计)共有25个项目上榜。根据开发语言中项目的数量，汇总情况如下：

Python项目：NExT-GPT/NExT-GPT，CorentinJ/Real-Time-Voice-Cloning，aiwaves-cn/agents，coqui-ai/TTS，sczhou/ProPainter，langchain-ai/langchain
TypeScript项目：hyperdxio/hyperdx，makeplane/plane，AntonioErdeljac/next13-lms-platform，TabbyML/tabby，vercel/next.js
JavaScript项目：vercel/next.js，duckduckgo/tracker-radar，meshery/meshery
Ruby项目：mastodon/mastodon，basecamp/kamal
C++项目：godotengine/godot，fmtlib/fmt
非开发语言项目：WooooDyy/LLM-Agent-Paper-List，MunGell/awesome-for-beginners
Jupyter Notebook项目：williamyang1991/Rerender_A_Video
C项目：grafana/beyla
Rust项目：TabbyML/tabby
HTML项目：ripienaar/free-for-dev
Swift项目：Alamofire/Alamofire
C#项目：aras-p/UnityGaussianSplatting
Java项目：Snailclimb/JavaGuide
Go项目：meshery/meshery

Snailclimb/JavaGuide

创建周期：1963 天
开发语言：Java
协议类型：Apache License 2.0
Star数量：137216 个
Fork数量：44818 次
关注人数：137216 人
贡献人数：410 人
Open Issues数量：60 个
Github地址：https://github.com/Snailclimb/JavaGuide.git
项目首页: https://javaguide.cn

JavaGuide是一份涵盖大部分Java程序员所需要掌握的核心知识的学习和面试指南。

JavaGuide适用于那些准备Java面试的程序员，它提供了广泛的Java知识点和面试题总结，帮助程序员准备面试。此外，JavaGuide还提供了一些有关Java学习的建议和指南，以及一些与Java相关的新特性和常用框架的详解。对于想要系统地学习Java知识或者提升自己在Java领域的技能的程序员来说，JavaGuide是一个很好的学习资源。

vercel/next.js

创建周期：2542 天
开发语言：JavaScript, TypeScript
协议类型：MIT License
Star数量：111821 个
Fork数量：24751 次
关注人数：111821 人
贡献人数：447 人
Open Issues数量：2432 个
Github地址：https://github.com/vercel/next.js.git
项目首页: https://nextjs.org

Next.js是一个基于React的框架。它提供了一种简单且高效的方式来构建React应用程序。Next.js具有预渲染、静态导出和服务端渲染等功能，使得构建快速和可扩展的应用程序变得更加容易。它还提供了丰富的文档和社区支持，使开发者能够快速上手并解决问题。

Next.js适用于构建各种类型的React应用程序。它可以用于构建静态网站、博客、电子商务平台和复杂的企业级应用程序。Next.js的预渲染和服务端渲染功能使得应用程序具有更好的性能和搜索引擎优化。它还提供了热模块替换和自动代码拆分等功能，使得开发者能够更快地进行开发和调试。Next.js的文档和社区支持非常丰富，开发者可以在其中寻找解决方案和交流经验。无论是初学者还是有经验的开发者，Next.js都是一个强大的工具，可以帮助他们构建出色的React应用程序。

ripienaar/free-for-dev

创建周期：3109 天
开发语言：HTML
Star数量：73834 个
Fork数量：8093 次
关注人数：73834 人
贡献人数：435 人
Open Issues数量：17 个
Github地址：https://github.com/ripienaar/free-for-dev.git
项目首页: https://free-for.dev/

这是一个列出了免费层的SaaS、PaaS和IaaS服务的清单，供开发运维和基础设施开发人员使用。

该清单适用于基础设施开发人员（系统管理员、DevOps从业者等），他们可以在这里找到对他们有用的免费服务。这个清单由1100多人的贡献和审查而来，你也可以通过提交Pull Requests来添加更多的服务或删除已经改变或被停用的服务。这个清单只包括“即服务”（as-a-Service）的提供，不包括自托管的软件。要符合资格，服务必须提供免费层，而不仅仅是免费试用。如果免费层是有时间限制的，那么至少要为一年。此外，安全方面也会考虑，因此单点登录（SSO）是可以接受的，但我不会接受将TLS限制为仅付费层的服务。

godotengine/godot

创建周期：3547 天
开发语言：C++
协议类型：MIT License
Star数量：73709 个
Fork数量：14379 次
关注人数：73709 人
贡献人数：459 人
Open Issues数量：10306 个
Github地址：https://github.com/godotengine/godot.git
项目首页: https://godotengine.org

Godot Engine是一个跨平台的2D和3D游戏引擎，提供了丰富的功能和统一的界面，让用户能够轻松创建游戏而无需重复造轮子。它可以将游戏一键导出到多个平台，包括主要的桌面平台（Linux，macOS，Windows），移动平台（Android，iOS），以及基于Web的平台和游戏主机。

Godot Engine适用于各种游戏开发场景。对于游戏开发者来说，它提供了丰富的工具和功能，使得他们能够专注于创作游戏而不必担心底层技术。无论是2D还是3D游戏，无论是在桌面平台还是移动平台，Godot Engine都能满足开发者的需求。此外，Godot Engine是开源的，完全免费，并且由社区驱动，这意味着开发者可以参与到引擎的开发和改进中。无论是个人开发者还是团队，Godot Engine都是一个强大且灵活的选择，可以帮助他们实现自己的游戏开发目标。

langchain-ai/langchain

创建周期：339 天
开发语言：Python
协议类型：MIT License
Star数量：62679 个
Fork数量：8703 次
关注人数：62679 人
贡献人数：477 人
Open Issues数量：2279 个
Github地址：https://github.com/langchain-ai/langchain.git
项目首页: https://python.langchain.com

通过组合性构建LLM应用程序这个库旨在帮助开发这些类型的应用程序。这些应用程序的常见示例包括：

针对特定文档的问答
聊天机器人
代理人

LangChain库可以帮助开发人员利用大型语言模型（LLMs）构建应用程序。这些应用程序可以涉及针对特定文档的问答、聊天机器人以及代理人等。通过使用LangChain库，开发人员可以将LLMs与其他计算或知识源结合起来，从而创造出功能强大的应用程序。该库提供了文档、示例和参考资料，以帮助开发人员入门并了解如何使用LangChain库。此外，该库还提供了多个功能模块，包括LLMs和提示、链、数据增强生成、代理人、内存和评估等，以满足不同开发需求。无论是新功能、改进基础设施还是更好的文档，LangChain项目都非常欢迎开发者的贡献。具体的贡献方式和指南可以在项目的贡献指南中找到。

MunGell/awesome-for-beginners

创建周期：2889 天
开发语言：
Star数量：56673 个
Fork数量：6565 次
关注人数：56673 人
贡献人数：252 人
Open Issues数量：111 个
Github地址：https://github.com/MunGell/awesome-for-beginners.git

这是一个列出了适合初学者的优秀项目的列表。

如果你是一个开源项目的维护者，可以在你的项目中添加first-timers-only（或类似的）标签，并将其列在这里，以便人们可以找到它。

如果你不是一个程序员，但是想要贡献，可以查看Awesome for non-programmers列表。

这个列表按照编程语言进行分类，并提供了适合初学者的开源项目。每个项目都附有标签，以指示它们是否适合初学者，以及如何参与贡献。这个列表旨在帮助初学者找到他们可以贡献的项目，并为他们提供一个学习和成长的机会。无论你是一个有经验的开发者还是一个新手，这个列表都提供了各种各样的项目，涵盖了不同的编程语言和技术领域。无论你是想提供代码贡献、文档编写、问题修复还是测试等方面的帮助，都可以在这个列表中找到适合你的项目。通过参与这些项目，你可以学习新的技术、提高编程能力，并与开源社区互动。无论你是想为自己的简历增加项目经验，还是想为开源社区做出贡献，这个列表都是一个很好的起点。

CorentinJ/Real-Time-Voice-Cloning

创建周期：1579 天
开发语言：Python
协议类型：Other
Star数量：45297 个
Fork数量：8046 次
关注人数：45297 人
贡献人数：16 人
Open Issues数量：162 个
Github地址：https://github.com/CorentinJ/Real-Time-Voice-Cloning.git

这个项目是一个实时的声音克隆工具，可以在5秒内克隆一个声音并生成任意文本的语音。

这个项目可以应用在多种场景中。例如，在语音合成领域，可以用于生成特定声音的文本朗读；在娱乐领域，可以用于模仿名人或角色的声音；在电子书朗读领域，可以用于给电子书添加真实的人声朗读等。这个工具可以帮助用户快速生成各种语音样本，无论是用于个人娱乐还是商业应用，都具有很大的潜力。

mastodon/mastodon

创建周期：2768 天
开发语言：Ruby
协议类型：GNU Affero General Public License v3.0
Star数量：43950 个
Fork数量：6563 次
关注人数：43950 人
贡献人数：406 人
Open Issues数量：4132 个
Github地址：https://github.com/mastodon/mastodon.git
项目首页: https://joinmastodon.org

Mastodon是一个免费、开源的社交网络服务器，基于ActivityPub协议，用户可以关注朋友并发现新朋友。在Mastodon上，用户可以发布任何内容：链接、图片、文字和视频。所有的Mastodon服务器都可以互操作，形成一个联合网络，用户可以与其他服务器上的用户无缝通信，包括实现了ActivityPub协议的非Mastodon软件。

Mastodon的使用场景非常广泛。用户可以在Mastodon上建立自己的社交网络，与朋友分享各种内容，并且可以通过关注其他用户来发现新的内容和交流机会。Mastodon提供了实时的时间线更新，用户可以即时看到所关注用户的更新内容。此外，Mastodon还支持上传和查看图片、短视频等媒体附件，以及提供了安全和管理工具，如私密帖子、屏蔽、封锁等功能，保障用户的安全和隐私。Mastodon还提供了OAuth2和简单直观的REST API，使第三方应用可以使用这些接口进行开发，丰富了应用生态系统。无论是个人用户还是开发者，Mastodon都是一个强大而灵活的社交网络平台的选择。

Alamofire/Alamofire

创建周期：3339 天
开发语言：Swift
协议类型：MIT License
Star数量：39769 个
Fork数量：7504 次
关注人数：39769 人
贡献人数：231 人
Open Issues数量：36 个
Github地址：https://github.com/Alamofire/Alamofire.git

Alamofire是一个用Swift编写的HTTP网络库。它提供了简洁的语法和丰富的功能，可以轻松地进行网络请求，并支持自动重试、身份验证、缓存、数据上传和下载等功能。

Alamofire适用于任何需要进行HTTP网络请求的应用程序。无论是开发iOS、macOS、tvOS、watchOS、Linux还是Windows应用程序，都可以使用Alamofire来处理网络通信。它提供了丰富的功能和灵活的API，可以满足各种不同的网络请求需求。无论是发送简单的GET请求，还是进行文件上传和下载，Alamofire都可以提供简洁而强大的解决方案。它还支持Swift并发和Combine框架，使得处理网络请求更加高效和便捷。无论是开发个人项目还是大型企业应用程序，Alamofire都是一个可靠的选择。

coqui-ai/TTS

创建周期：1219 天
开发语言：Python
协议类型：Mozilla Public License 2.0
Star数量：18489 个
Fork数量：2138 次
关注人数：18489 人
贡献人数：128 人
Open Issues数量：38 个
Github地址：https://github.com/coqui-ai/TTS.git
项目首页: http://coqui.ai

🐸💬是一个深度学习工具包，用于文本到语音的转换，经过研究和生产的测试。

使用🐸💬可以进行文本到语音的转换任务。它提供了高性能的深度学习模型，包括Tacotron、Tacotron2、Glow-TTS、SpeedySpeech等，可以生成高质量的语音。🐸💬还支持多语种和多说话人的转换，可以根据需要选择合适的模型。此外，🐸💬还提供了训练新模型和微调现有模型的工具，以及用于数据集分析和整理的实用程序。无论是在研究还是生产中，🐸💬都是一个强大而灵活的工具，可以满足各种文本到语音的需求。

fmtlib/fmt

创建周期：3940 天
开发语言：C++
协议类型：Other
Star数量：17794 个
Fork数量：2161 次
关注人数：17794 人
贡献人数：409 人
Open Issues数量：12 个
Github地址：https://github.com/fmtlib/fmt.git
项目首页: https://fmt.dev

{fmt} 是一个开源的格式化库，提供了一个快速和安全的替代方案，用于替代C stdio和C++ iostreams。该库具有简单的格式化API，支持定位参数和本地化，实现了C++20的std::format，格式字符串语法类似于Python的format函数。它还提供了快速的IEEE 754浮点数格式化器，支持正确的舍入、短格式和往返保证。该库还具有可移植的Unicode支持，安全的printf实现，可扩展性和高性能。它在代码大小、可靠性和易用性方面都表现出色，并且具有广泛的应用领域，包括游戏开发、数据库管理、机器学习等。

{fmt} 可以广泛应用于各种项目中，特别适用于需要进行格式化输出的场景。例如，在游戏开发中，开发者可以使用{fmt}来格式化输出游戏中的文本、数字等信息。在数据库管理中，可以使用{fmt}来格式化输出查询结果或日志信息。在机器学习中，可以使用{fmt}来格式化输出模型的评估结果。总之，{fmt}是一个功能强大、易于使用的格式化库，可以帮助开发者更方便地进行输出格式化操作，并提升代码的可读性和可维护性。

makeplane/plane

创建周期：306 天
开发语言：TypeScript
协议类型：GNU Affero General Public License v3.0
Star数量：15596 个
Fork数量：646 次
关注人数：15596 人
贡献人数：47 人
Open Issues数量：218 个
Github地址：https://github.com/makeplane/plane.git
项目首页: http://plane.so

Plane是一个开源的项目规划工具，可以帮助你以最简单的方式跟踪问题、epic和产品路线图。

Plane可以用于软件开发项目的规划和跟踪。你可以使用强大的富文本编辑器快速创建问题并添加细节，支持文件上传。通过附件功能，团队可以有效地协作，轻松找到和共享与项目相关的重要文档。你可以根据自己的喜好选择列表、看板或日历等布局来自定义项目视图。使用Cycles功能来规划Sprints，以保持团队的进度和高效性，并通过燃尽图等有用功能获得项目进展的洞察。通过将大型项目拆分为更小、更易管理的模块，你可以使用Modules功能轻松跟踪和规划项目的进展。创建自定义过滤器来显示你关心的问题，并在几次点击中保存和共享过滤器。Plane的页面功能充当一个AI驱动的记事本，可以轻松记录问题、周期计划和模块详情，并与问题进行同步。通过新的Command + K菜单，你可以享受更好的用户体验，轻松管理和导航你的项目。通过将GitHub的问题与Plane同步，你可以简化规划流程，将所有问题集中在一个地方，以便更好地跟踪和协作。

TabbyML/tabby

创建周期：189 天
开发语言：TypeScript, Rust
协议类型：Apache License 2.0
Star数量：10067 个
Fork数量：337 次
关注人数：10067 人
贡献人数：17 人
Open Issues数量：28 个
Github地址：https://github.com/TabbyML/tabby.git
项目首页: https://tabby.tabbyml.com/

自托管的AI编码助手Tabby是GitHub Copilot的开源和本地替代方案。它具有以下几个关键功能：1. 自包含，无需DBMS或云服务。2. 开放API接口，易于与现有基础设施（如云IDE）集成。3. 支持消费级GPU。

使用Tabby的最简单方法是使用以下Docker命令启动Tabby服务器。有关其他选项（例如推理类型，并行性），请参阅https://tabbyml.github.io/tabby上的文档。

使用场景：开发人员可以使用Tabby作为自己的AI编码助手，提供自托管的解决方案，无需依赖DBMS或云服务。Tabby的开放API接口使其易于与现有基础设施集成，如云IDE。此外，Tabby支持消费级GPU，提供更强大的计算能力。通过使用Tabby，开发人员可以获得智能编码建议和自动完成功能，提高编码效率和质量。

basecamp/kamal

创建周期：257 天
开发语言：Ruby
协议类型：MIT License
Star数量：6854 个
Fork数量：240 次
关注人数：6854 人
贡献人数：61 人
Open Issues数量：41 个
Github地址：https://github.com/basecamp/kamal.git
项目首页: https://kamal-deploy.org

Kamal是一个用于在任何地方部署Web应用程序的工具。无论是裸机还是云虚拟机，Kamal都可以实现零停机时间地部署Web应用程序。它使用动态反向代理Traefik在启动新的应用程序容器和停止旧的应用程序容器时暂停请求。Kamal可以无缝地在多个主机之间工作，使用SSHKit来执行命令。虽然最初是为Rails应用程序设计的，但Kamal也适用于任何可以使用Docker容器化的Web应用程序。

Kamal可以在各种场景下使用。例如，当你需要将Web应用程序部署到云虚拟机上时，Kamal可以帮助你实现快速且无停机时间的部署。它可以自动管理请求流量，确保在启动新的应用程序容器和停止旧的应用程序容器时不会丢失任何请求。此外，Kamal还可以在多个主机上同时工作，使得在分布式环境下部署Web应用程序变得更加简单和高效。不仅如此，Kamal还支持各种类型的Web应用程序，只要能够使用Docker容器化即可。无论是Rails应用程序还是其他类型的Web应用程序，Kamal都可以胜任。无论你是开发人员还是系统管理员，Kamal都是一个强大而灵活的工具，可以帮助你轻松部署和管理Web应用程序。

meshery/meshery

创建周期：1772 天
开发语言：Go, JavaScript
协议类型：Apache License 2.0
Star数量：3323 个
Fork数量：1200 次
关注人数：3323 人
贡献人数：328 人
Open Issues数量：340 个
Github地址：https://github.com/meshery/meshery.git
项目首页: https://meshery.io

Meshery是一个云原生管理器。它是一个自助式工程平台，可以设计和管理基于Kubernetes的基础设施和应用程序。Meshery提供了可视化和协作的GitOps功能，可以管理Kubernetes多集群部署。它还支持多集群Kubernetes和云原生配置管理，以及性能管理和应用程序的上下文感知策略。

使用Meshery可以简化云原生应用程序的管理和配置。它提供了一个可视化的界面，让用户可以轻松地设计和管理基于Kubernetes的基础设施和应用程序。用户可以使用Meshery来管理多个Kubernetes集群，并使用GitOps的方式进行版本控制和协作。此外，Meshery还支持220多种云原生集成，用户可以根据自己的需求选择适合的集成。Meshery还提供性能管理功能，可以帮助用户评估和优化云原生基础设施的性能。用户还可以使用Meshery的上下文感知策略来确保应用程序的配置符合最佳实践，并避免常见问题。总之，Meshery是一个功能强大且易于使用的云原生管理器，可以帮助用户简化云原生应用程序的设计、管理和性能优化。

hyperdxio/hyperdx

创建周期：8 天
开发语言：TypeScript
协议类型：MIT License
Star数量：3027 个
Fork数量：61 次
关注人数：3027 人
贡献人数：2 人
Open Issues数量：10 个
Github地址：https://github.com/hyperdxio/hyperdx.git
项目首页: https://hyperdx.io/

HyperDX是一个开源的可观测性平台，用于快速解决生产问题。它集成了会话回放、日志、指标、跟踪和错误，帮助工程师更好地理解为什么生产环境出现故障。它是一个开发者友好的替代品，可以替代Datadog和New Relic。

HyperDX适用于需要快速解决生产问题的工程师。通过将会话回放、日志、指标、跟踪和错误集中在一个平台上，工程师可以更轻松地进行故障排除和问题定位。HyperDX提供了端到端的关联性，可以从浏览器会话回放跳转到日志和跟踪，只需点击几下即可完成。它具有强大的性能，通过Clickhouse提供高速查询和搜索功能。HyperDX还提供直观的全文搜索和属性搜索语法，以及自动聚类事件模式、仪表板高基数事件、快速设置警报等功能。工程师可以通过部署Docker Compose堆栈来快速启动HyperDX，并使用SDK和集成选项来将日志、指标、跟踪等数据发送到HyperDX实例中。HyperDX还兼容OpenTelemetry，支持多种编程语言和平台。此外，HyperDX还提供云托管服务，在hyperdx.io上可以注册免费账户并开始发送数据。无论是在开源版本还是云托管服务中，HyperDX的目标都是帮助工程师更好地利用生产遥测数据，快速解决生产问题。

aiwaves-cn/agents

创建周期：65 天
开发语言：Python
协议类型：Apache License 2.0
Star数量：2198 个
Fork数量：138 次
关注人数：2198 人
贡献人数：14 人
Open Issues数量：1 个
Github地址：https://github.com/aiwaves-cn/agents.git
项目首页: http://www.aiwaves-agents.com/

Agents是一个开源的用于构建自主语言代理的框架。该库支持重要功能，包括长短期记忆、工具使用、网络导航、多代理通信，并新增了人机交互和符号控制等功能。使用Agents，用户只需在自然语言中填写配置文件，即可定制语言代理或多代理系统，并将其部署在终端、Gradio界面或后端服务中。与其他现有语言代理框架的一个主要区别是，Agents允许用户通过SOP（标准操作流程）对语言代理进行细粒度的控制和引导。SOP定义了整体任务的子目标/子任务，并允许用户为语言代理定制细粒度的工作流程。

Agents框架的使用场景非常广泛。首先，它可用于构建自主语言代理，例如客服代理、辩论代理、虚构工作室等。这些代理可以与人类用户进行交互，提供有用的信息和帮助。其次，Agents还支持构建多代理系统，其中语言代理可以相互通信并与环境进行交互。这使得构建复杂的多代理应用程序变得更加灵活。此外，Agents还可以用于自定义细粒度的工作流程，通过SOP对语言代理进行精细控制，从而满足不同任务的需求。无论是在终端、Gradio界面还是后端服务中，Agents都能够轻松部署和运行，为用户提供便捷的使用体验。无论是在个人项目中还是在研究和开发领域，Agents都是一个功能强大且灵活的工具，可以帮助用户构建智能的语言代理系统。

WooooDyy/LLM-Agent-Paper-List

创建周期：9 天
开发语言：
Star数量：1342 个
Fork数量：75 次
关注人数：1342 人
贡献人数：14 人
Open Issues数量：4 个
Github地址：https://github.com/WooooDyy/LLM-Agent-Paper-List.git
项目首页: https://arxiv.org/abs/2309.07864

这个项目是关于一篇名为《基于大型语言模型的智能体的崛起与潜力：一项调查》的86页论文的论文列表。

这个项目的用途是提供一个关于基于大型语言模型的智能体的系统和全面的调查，并列出一些必读的论文。该调查从三个方面探讨了基于大型语言模型的智能体的广泛应用：单智能体场景、多智能体场景和人智能体合作。它还深入探讨了智能体社会，探索了基于大型语言模型的智能体的行为和个性，以及当它们形成社会时出现的社会现象和对人类社会的启示。最后，它讨论了该领域的一系列关键主题和开放问题。这个项目欢迎通过PR、问题、电子邮件或其他方式做出贡献。

williamyang1991/Rerender_A_Video

创建周期：136 天
开发语言：Jupyter Notebook
协议类型：Other
Star数量：1298 个
Fork数量：67 次
关注人数：1298 人
贡献人数：2 人
Open Issues数量：16 个
Github地址：https://github.com/williamyang1991/Rerender_A_Video.git
项目首页: https://www.mmlab-ntu.com/project/rerender/

Rerender A Video是一个零样本文本引导的视频到视频翻译项目。该项目提出了一个创新的框架，通过适应图像模型来实现视频的翻译。该框架包括两个部分：关键帧翻译和完整视频翻译。关键帧翻译使用改进的扩散模型生成关键帧，并通过层次化的跨帧约束来确保形状、纹理和颜色的连贯性。完整视频翻译将关键帧传播到其他帧，采用时间感知的补丁匹配和帧融合技术。该框架实现了全局风格和局部纹理的时间连贯性，并且适用于现有的图像扩散技术，可以根据需要进行个性化定制和额外的空间引导。

Rerender A Video可以应用于多个场景，包括但不限于以下几个方面：

视频编辑和后期制作：通过使用Rerender A Video，用户可以将文本引导的视频到视频翻译应用于视频编辑和后期制作中。用户可以通过输入文本指导框架生成关键帧，并将其传播到整个视频中，从而实现对视频的风格和纹理的修改和调整。
虚拟角色生成：Rerender A Video可以用于生成虚拟角色。用户可以通过输入特定的文本指导框架生成关键帧，并将其应用于虚拟角色的动画中，从而实现对虚拟角色外观和风格的定制。
视频风格化：用户可以使用Rerender A Video将文本引导的视频到视频翻译应用于视频风格化。通过输入特定的文本指导框架，用户可以将视频转换为特定的风格，实现对视频的艺术化处理和风格转换。
研究和学术用途：Rerender A Video的开源实现可以为研究人员和学术界提供一个基于文本引导的视频到视频翻译框架，用于探索和研究视频生成和处理的新方法和技术。研究人员可以根据自己的需求和兴趣，对该框架进行定制和扩展，以满足不同的研究目标和应用需求。

duckduckgo/tracker-radar

创建周期：1311 天
开发语言：JavaScript
协议类型：Other
Star数量：1232 个
Fork数量：157 次
关注人数：1232 人
贡献人数：17 人
Open Issues数量：15 个
Github地址：https://github.com/duckduckgo/tracker-radar.git

这是一个包含关于顶级第三方网域的数据集，其中包含丰富的元数据。该数据集提供了有关每个网域的行为、分类和所有权等重要元数据，可以方便地进行定制化解决方案。数据集中的每个网域的信息可以在"domains"目录中找到。

该数据集可以用于多种场景。例如，网络安全研究人员可以使用该数据集来分析和了解常见第三方网域的行为和隐私政策，以便更好地保护用户隐私。开发人员可以利用该数据集的元数据来构建自定义解决方案，例如浏览器插件或网络过滤工具，以帮助用户过滤或阻止具有特定行为的第三方网域。此外，该数据集还可以用于教育和学术研究，帮助了解和分析互联网中的第三方网域的普及程度和使用情况。

NExT-GPT/NExT-GPT

创建周期：22 天
开发语言：Python
协议类型：BSD 3-Clause “New” or “Revised” License
Star数量：897 个
Fork数量：77 次
关注人数：897 人
贡献人数：4 人
Open Issues数量：13 个
Github地址：https://github.com/NExT-GPT/NExT-GPT.git
项目首页: https://next-gpt.github.io/

NExT-GPT是一个任意多模态大型语言模型，可感知输入并生成文本、图像、视频和音频等任意组合的输出。该项目包含了NExT-GPT的代码、数据和模型权重。

NExT-GPT可以在多种应用场景中使用。例如，在自然语言处理任务中，可以使用NExT-GPT来生成与给定文本相关的图像、视频或音频。在图像处理任务中，可以使用NExT-GPT生成与给定图像相关的文本描述。在多模态应用中，可以使用NExT-GPT将不同模态的输入（文本、图像、视频、音频）转换为其他模态的输出。总之，NExT-GPT提供了一个灵活的框架，可以处理各种任意多模态的应用场景。

sczhou/ProPainter

创建周期：20 天
开发语言：Python
协议类型：Other
Star数量：776 个
Fork数量：59 次
关注人数：776 人
贡献人数：2 人
Open Issues数量：12 个
Github地址：https://github.com/sczhou/ProPainter.git
项目首页: https://shangchenzhou.com/projects/ProPainter/

ProPainter是一个用于视频修复的开源项目，旨在改进传播和变换器以提高视频修复的效果。它基于ICCV 2023的研究成果，并由S-Lab的研究团队开发。该项目提供了预训练模型和训练代码，可以用于对象去除、水印去除和视频补全等任务。ProPainter还提供了内存高效推理的功能，可以有效避免内存溢出错误。如果您对视频修复感兴趣，可以通过克隆该项目并按照说明进行使用和训练。

ProPainter可以在多种场景下使用，包括但不限于以下几种情况：

对象去除：如果您的视频中有不需要的对象，比如广告牌、人或其他物体，您可以使用ProPainter来去除这些对象，使视频更加干净和专业。
水印去除：如果您的视频中有水印，比如版权标志或公司标志，您可以使用ProPainter来去除这些水印，使视频更加清晰和无干扰。
视频补全：如果您的视频中有缺失的部分，比如断开的镜头或丢失的帧，您可以使用ProPainter来补全这些缺失的部分，使视频更加完整和连贯。 ProPainter提供了简单易用的命令行界面，您只需按照说明准备好输入视频和遮罩，然后运行相应的命令即可获得修复后的视频。此外，ProPainter还提供了内存高效推理的功能，可以根据您的需求调整参数以减少内存占用。无论您是专业的视频编辑人员，还是对视频修复感兴趣的研究人员，ProPainter都是一个值得尝试的工具。

aras-p/UnityGaussianSplatting

创建周期：28 天
开发语言：C#
Star数量：542 个
Fork数量：25 次
关注人数：542 人
贡献人数：1 人
Open Issues数量：0 个
Github地址：https://github.com/aras-p/UnityGaussianSplatting.git

这是一个在Unity中实现的玩具高斯点阵可视化项目。

首先下载或克隆该仓库，并在Unity（2022.3）中打开项目。然后，创建一些高斯点阵资产：在Unity中打开“Tools -> Gaussian Splats -> Create GaussianSplatAsset”菜单。在对话框中指向高斯点阵“模型”目录（其中应包含cameras.json和point_cloud/iteration_7000/point_cloud.ply），选择所需的压缩选项和输出文件夹，然后点击“Create Asset”按钮。如果一切正常，将会生成一个高斯点阵资产，并且其旁边会有一些数据图像。在具有GaussianSplatRenderer脚本的游戏对象中，将Asset字段指向您创建的资产之一。脚本上有各种控制选项用于调试/可视化数据，以及一个滑块用于将游戏相机移动到资产的一个相机位置。渲染会考虑游戏对象的变换矩阵；官方高斯点阵模型似乎都围绕X轴旋转了约-160度，并且在Z轴上镜像，因此在示例场景中设置了这样的变换，并将相机设置为子对象。

grafana/beyla

创建周期：213 天
开发语言：C
协议类型：Apache License 2.0
Star数量：464 个
Fork数量：28 次
关注人数：464 人
贡献人数：16 人
Open Issues数量：28 个
Github地址：https://github.com/grafana/beyla.git

Grafana Beyla是基于eBPF的自动化仪器化工具，用于HTTP和HTTPS服务。它可以自动对Go语言编写的HTTP/HTTPS/GRPC服务进行仪器化，并拦截内核级别的套接字操作和OpenSSL调用。支持多种编程语言（Go、Java、.NET、NodeJS、Python、Ruby、Rust等），可以通过多种方式（网络端口、可执行文件名、进程ID）找到要仪器化的服务，并以Prometheus、OpenTelemetry指标或单个Span追踪的形式进行指标暴露。

您可以使用Grafana Beyla来自动仪器化您的HTTP和HTTPS服务，以便监控和分析其性能。首先，您需要运行一个网络服务供Beyla进行仪器化。您可以使用已有的示例服务，也可以下载并运行示例服务代码。然后，您可以生成一些流量，触发对服务的请求。接下来，您需要下载和运行Beyla，通过指定要仪器化的服务和指标暴露的方式，让Beyla开始工作。最后，您可以在指定的地址上查看指标数据。使用Grafana Beyla，您可以实时监控和分析您的HTTP和HTTPS服务的性能，并进行故障排除和优化。

AntonioErdeljac/next13-lms-platform

创建周期：4 天
开发语言：TypeScript
Star数量：142 个
Fork数量：51 次
关注人数：142 人
贡献人数：1 人
Open Issues数量：0 个
Github地址：https://github.com/AntonioErdeljac/next13-lms-platform.git
项目首页: https://lms-tutorial.vercel.app

这是一个用于构建LMS平台的存储库，使用了Next.js 13、React、Stripe、Mux、Prisma、Tailwind、MySQL等技术。该项目提供了浏览和筛选课程、使用Stripe购买课程、标记章节为已完成或未完成、计算每个课程的进度、学生仪表板、教师模式、创建新课程和章节、使用拖放重新排序章节位置、使用UploadThing上传缩略图、附件和视频、使用Mux进行视频处理和HLS视频播放、使用富文本编辑器编辑章节描述、使用Clerk进行身份验证、使用Prisma进行ORM、使用Planetscale创建MySQL数据库等功能。

该项目适用于教育机构或个人教师构建在线学习平台。学生可以浏览和购买课程，跟踪自己的学习进度，并在学生仪表板上查看课程信息。教师可以创建新的课程和章节，并使用拖放功能轻松重新排序章节位置。视频处理和HLS视频播放功能可以提供更好的视频体验。身份验证和数据库管理功能可以确保平台的安全性和稳定性。通过使用Stripe进行付款，平台可以轻松实现在线付款和收入跟踪。总之，该项目为构建功能齐全的在线学习平台提供了一套完整的解决方案。