小红书、抖音、视频号下载工具:随心管理个人作品集 | 开源日报 No.134

2024-01-02 10:01:27

picture

karanpratapsingh/system-design

Stars: 20.6k License: NOASSERTION

picture

这个项目是关于系统设计的。它提供了有关系统设计的课程内容,包括 IP、OSI 模型、TCP 和 UDP 等主题。该项目的核心优势和特点如下:

  • 提供全面而高效的系统架构定义。
  • 从基础设施到数据存储都进行了细致思考。
  • 包含丰富多样的主题,涵盖网络通信、数据库管理、分布式事务等方面。
  • 简明扼要地介绍了每个主题,并给出示例说明。

SJTU-IPADS/PowerInfer

Stars: 3.1k License: MIT

picture

PowerInfer 是一个 CPU/GPU LLM 推理引擎,利用神经元激活的局部性来提高设备的速度。
其主要功能包括:

  • 利用稀疏激活和 “热”/“冷” 神经元概念进行高效 LLM 推断,确保在较低资源需求下实现更快速度
  • 无缝集成 CPU 和 GPU 的内存/计算能力以平衡工作负载并加快处理速度
  • 具有易于集成、本地部署便捷、向后兼容等特点
  • 支持 Falcon-40B 和 Llama2 家族模型
  • 在 Linux 上测试通过
  • 即将发布新功能如 Mistral-7B 模型及 macOS 上稀疏推理的 Metal 后端

JoeanAmier/XHS-Downloader

Stars: 1.8k License: GPL-3.0

picture

小红书作品采集工具:采集小红书作品信息;提取小红书作品下载地址;下载小红书无水印作品文件!

  • 采集小红书图文/视频作品信息
  • 提取小红书图文/视频作品下载地址
  • 下载小红书无水印图文/视频作品文件
  • 自动跳过已下载的作品文件
  • 作品文件完整性处理机制
  • 持久化储存作品信息至文件
  • 后台监听剪贴板下载作品?- 支持 API 调用功能

JoeanAmier/TikTokDownloader

Stars: 1.7k License: GPL-3.0

picture

TikTok 主页/视频/图集/原声;抖音主页/视频/图集/收藏/直播/原声/合集/评论/账号/搜索/热榜数据采集工具。

  • 完全开源的数据采集工具,基于 Requests 模块实现,可用于下载抖音和 TikTok 的主页、视频、图集等作品,并提供多种功能如批量下载账号发布/喜欢/收藏作品、获取直播推流地址以及采集热榜数据。
  • 支持 Windows 10 及以上用户使用已编译的 exe 程序进行快速部署;提供 Web UI 交互界面;支持自动跳过已下载文件、持久化保存采集数据等特性。

lecepin/WeChatVideoDownloader

Stars: 3.2k License: NOASSERTION

picture

这个项目是一个微信视频号下载器,主要功能包括实时捕获视频地址、预览和下载捕获的视频。其核心优势和特点包括:

  • 支持加密视频的下载
  • 可在 Win/Mac 平台上运行
  • 内部采用代理拦截请求识别,无需手动操作证书安装及代理开启关闭等繁琐步骤

davidfantasy/mybatis-plus-generator-ui

Stars: 1.5k License: Apache-2.0

picture

提供交互式的 Web UI 用于生成兼容 mybatis-plus 框架的相关功能代码,包括 Entity,Mapper,Mapper.xml,Service,Controller 等,可以自定义模板以及各类输出参数,也可通过 SQL 查询语句直接生成代码。

  • 可支持将 GeberatorUIServer 独立部署为一个单独的 spring boot 项目
  • 支持最新的 mybatis-plus 3.5.X
  • 数据表的查询和浏览
  • 输出文件配置内置多种类型代码模板并且可以上传替换、修改参数,并添加其他类型自定义输出文件
  • 代码生成选项方便调整每次生成策略
  • SQL 结果集自动生成对应方法、DTO 对象和 ResultMap (结果集映射配置)
  • 动态 SQL 增强能力

cumulo-autumn/StreamDiffusion

Stars: 1.1k License: Apache-2.0

picture

StreamDiffusion 是一个创新的扩散管道,旨在实现实时交互式生成。它针对当前基于扩散的图像生成技术引入了显著的性能增强。
其主要功能和核心优势包括:

  • Stream Batch:通过高效的批处理操作进行流畅数据处理。
  • 无残差分类器指导:改进了最小化计算冗余度的指导机制。
  • 随机相似性过滤器:通过先进的过滤技术提高 GPU 利用率效率。
  • IO 队列:有效管理输入和输出操作以实现更顺畅执行。
  • KV-Caches 预计算:为加速处理优化缓存策略
  • 模型加速工具:利用各种工具进行模型优化和性能提升。

文章来源:https://blog.csdn.net/osguider/article/details/135332314
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。