Github 2024-06-10 开源项目周报 Top15

根据Github Trendings的统计，本周(2024-06-10统计)共有15个项目上榜。根据开发语言中项目的数量，汇总情况如下：

Python - 100天从新手到大师

• 创建周期：2234 天
• 开发语言：Python, HTML, Jupyter Notebook
• Star数量：149435 个
• Fork数量：51212 次
• 关注人数：149435 人
• 贡献人数：12 人
• Open Issues数量：712 个
• Github地址：https://github.com/jackfrued/Python-100-Days.git

Python-100天从新手到大师是作者骆昊的一个项目。收到反馈称基础部分（前15天的内容）对新手来说比较困难，因此建议提供配套视频进行讲解。最近，作者重新制作了基础部分的内容，名为’Python-Core-50-Courses’。

Syncthing: 开源持续文件同步工具

• 创建周期：3789 天
• 开发语言：Go
• 协议类型：Mozilla Public License 2.0
• Star数量：59188 个
• Fork数量：3995 次
• 关注人数：59188 人
• 贡献人数：307 人
• Open Issues数量：372 个
• Github地址：https://github.com/syncthing/syncthing.git
• 项目首页: https://forum.syncthing.net/

Syncthing是一个开源的持续文件同步工具，允许用户在多个设备之间安全高效地同步文件。它提供了分散和点对点的架构，确保了数据传输的隐私和安全。

初学者的生成式人工智能（第2版）

• 创建周期：259 天
• 开发语言：Jupyter Notebook
• 协议类型：MIT License
• Star数量：25764 个
• Fork数量：16105 次
• 关注人数：25764 人
• 贡献人数：50 人
• Open Issues数量：17 个
• Github地址：https://github.com/microsoft/generative-ai-for-beginners.git
• 项目首页: https://microsoft.github.io/generative-ai-for-beginners/

《初学者的生成式人工智能（第2版）》是由微软云倡导者提供的一门全面的18课程，教授一切开始构建生成式人工智能应用所需的知识。

我的电视 - 安卓电视直播软件

• 创建周期：40 天
• 开发语言：C
• Star数量：649 个
• Fork数量：124 次
• 关注人数：649 人
• 贡献人数：1 人
• Open Issues数量：23 个
• Github地址：https://github.com/lizongying/my-tv.git

我的电视是一个开源的安卓电视直播应用，内置了直播源。

QEMU/KVM上的macOS支持项目

• 创建周期：3133 天
• 开发语言：Python, Shell
• Star数量：18950 个
• Fork数量：1770 次
• 关注人数：18950 人
• 贡献人数：8 人
• Open Issues数量：5 个
• Github地址：https://github.com/kholia/OSX-KVM.git

该项目支持在QEMU/KVM上运行macOS，支持OpenCore、Monterey、Ventura和Sonoma。现在提供商业支持以避免垃圾问题，无需Mac系统。README.md文件记录了创建虚拟Hackintosh系统的过程，所有包含的blob和资源都可以通过说明重新派生。商业支持选项可通过电子邮件获得，项目赞助商可访问私人OSX-KVM存储库和直接支持。该项目还提供Content Caching的帮助，支持在Proxmox上工作以及离线macOS安装。

DuckDB - 高性能分析数据库系统

• 创建周期：2173 天
• 开发语言：C++
• 协议类型：MIT License
• Star数量：18540 个
• Fork数量：1549 次
• 关注人数：18540 人
• 贡献人数：321 人
• Open Issues数量：348 个
• Github地址：https://github.com/duckdb/duckdb.git
• 项目首页: http://www.duckdb.org

DuckDB是一个高性能的分析数据库系统，旨在快速、可靠、便携且易于使用。它提供了丰富的SQL语言方言，支持诸如相关子查询、窗口函数、排序规则和复杂类型等高级功能。DuckDB可作为独立的CLI应用程序使用，并且具有针对Python、R、Java、Wasm等的客户端，与pandas和dplyr等包深度集成。

Fabric: 用人工智能增强人类能力的开源框架

• 创建周期：40 天
• 开发语言：Python, JavaScript
• 协议类型：MIT License
• Star数量：5128 个
• Fork数量：406 次
• 关注人数：5128 人
• 贡献人数：22 人
• Open Issues数量：2 个
• Github地址：https://github.com/danielmiessler/fabric.git

Fabric 是一个开源框架，旨在利用人工智能增强人类能力。它提供了将问题分解为组件的哲学，并提供了一种提示的框架方法。该框架包括快速入门指南、设置 fabric 客户端、使用模式、创建 fabric mill、结构、组件、CLI-native 特性、直接调用模式、示例以及主要贡献者的详细信息。

GitKraken制作的高度可定制的Shell提示渲染器

• 创建周期：1916 天
• 开发语言：Go, MDX
• 协议类型：MIT License
• Star数量：14894 个
• Fork数量：2250 次
• 关注人数：14894 人
• 贡献人数：346 人
• Open Issues数量：20 个
• Github地址：https://github.com/JanDeDobbeleer/oh-my-posh.git
• 项目首页: https://ohmyposh.dev

这个项目是一个开源的、高度可定制的、低延迟的跨平台/Shell提示渲染器。它是使用GitKraken制作的，充满了爱。

LazyVim: Neovim配置的懒人方式

• 创建周期：506 天
• 开发语言：Lua
• 协议类型：Apache License 2.0
• Star数量：13257 个
• Fork数量：894 次
• 关注人数：13257 人
• 贡献人数：152 人
• Open Issues数量：83 个
• Github地址：https://github.com/LazyVim/LazyVim.git
• 项目首页: https://lazyvim.github.io/

LazyVim是由lazy.nvim提供支持的Neovim设置，旨在使用户轻松定制和扩展其配置。它提供了根据需要调整配置的灵活性，同时也提供了预配置设置的便利性。

Aider: 与 GPT-3.5/GPT-4 协作编辑代码的命令行工具

• 创建周期：340 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：8553 个
• Fork数量：868 次
• 关注人数：8553 人
• 贡献人数：16 人
• Open Issues数量：74 个
• Github地址：https://github.com/paul-gauthier/aider.git
• 项目首页: https://aider.chat/

Aider 是一个命令行工具，可通过 GPT-3.5/GPT-4 实现与本地 git 仓库中的代码进行协作编程。它允许直接编辑本地源文件中的代码，并以合理的提交消息提交更改。Aider 独特之处在于它能够请求对现有的较大代码库进行更改。它提供了各种功能、使用示例、教程视频、聊天中的命令、技巧、安装说明、语音转代码功能、常见问题解答，以及 Discord 社区。

Mamba: 具有选择性状态空间的线性时间序列建模

• 创建周期：88 天
• 开发语言：Python, Cuda
• 协议类型：Apache License 2.0
• Star数量：6804 个
• Fork数量：522 次
• 关注人数：6804 人
• 贡献人数：9 人
• Open Issues数量：110 个
• Github地址：https://github.com/state-spaces/mamba.git

Mamba是一个专注于具有选择性状态空间的线性时间序列建模的开源项目。该项目由Albert Gu和Tri Dao介绍，论文可在https://arxiv.org/abs/2312.00752找到

Transformers.js：网络上的最先进机器学习

• 创建周期：482 天
• 开发语言：JavaScript
• 协议类型：Apache License 2.0
• Star数量：8264 个
• Fork数量：458 次
• 关注人数：8264 人
• 贡献人数：28 人
• Open Issues数量：200 个
• Github地址：https://github.com/xenova/transformers.js.git
• 项目首页: https://huggingface.co/docs/transformers.js

Transformers.js 是一个开源项目，可以在网络上实现最先进的机器学习。它允许在浏览器中直接运行 🤗 Transformers，无需服务器。该库在功能上等同于 Hugging Face 的 transformers python 库，并支持自然语言处理、计算机视觉、音频和多模态领域的各种任务。它使用 ONNX Runtime 在浏览器中运行模型，并提供了使用 🤗 Optimum 将预训练的 PyTorch、TensorFlow 或 JAX 模型轻松转换为 ONNX 的功能。

LitGPT: 高度优化的LLM预训练、微调和部署工具

• 创建周期：348 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：6410 个
• Fork数量：684 次
• 关注人数：6410 人
• 贡献人数：66 人
• Open Issues数量：165 个
• Github地址：https://github.com/Lightning-AI/litgpt.git

LitGPT是一个命令行工具，允许用户使用闪电关注、FSDP、4位、LoRA等最先进的技术来预训练、微调和部署大型语言模型（LLMs）。它基于高度优化的配置和训练配方，用于训练开源LLMs，重新实现了模型架构和训练配方，以消除抽象层，确保Apache 2.0合规性，并优化性能，实现更快的训练和更低的成本。

MiniCPM-V 和 OmniLMM: 图文理解的开源多模态大模型系列

• 创建周期：78 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：861 个
• Fork数量：49 次
• 关注人数：861 人
• 贡献人数：8 人
• Open Issues数量：10 个
• Github地址：https://github.com/OpenBMB/MiniCPM-V.git

MiniCPM-V 和 OmniLMM 是面向图文理解的开源多模态大模型系列。它们接受图像和文本输入，并提供高质量的文本输出。MiniCPM-V 2.0 版本能够处理任意长宽比的图像，具有 180 万像素，实现了类似 Gemini Pro 的场景文字识别能力和与 GPT-4V 相当的低幻觉率。OmniLMM-12B 模型在多个基准测试中优于同规模的其他模型，并实现了比 GPT-4V 更低的幻觉率。

视频翻译配音工具

• 创建周期：252 天
• 开发语言：Python
• 协议类型：GNU General Public License v3.0
• Star数量：6555 个
• Fork数量：751 次
• 关注人数：6555 人
• 贡献人数：5 人
• Open Issues数量：20 个
• Github地址：https://github.com/jianchang512/pyvideotrans.git
• 项目首页: https://pyvideotrans.com

这是一个视频翻译配音工具，可以将一种语言的视频翻译为指定语言的视频，自动生成和添加该语言的字幕和配音。它支持多种语音识别和文字翻译模型，允许保留背景伴奏音乐，并且支持多种语言。主要用途包括翻译视频并配音、音频或视频转为字幕、批量字幕创建配音、批量字幕翻译、音频、视频、字幕合并、从视频中分离出音频以及下载YouTube视频。它提供了预打包版本和源码部署的详细说明。