import pdf2image
import os

# 🔹 Путь к PDF-файлу
pdf_path = "document.pdf"
output_folder = "pdf_images"

# 🔹 Создаём папку для изображений, если её нет
os.makedirs(output_folder, exist_ok=True)

# 🔹 Конвертируем PDF в изображения
images = pdf2image.convert_from_path(pdf_path)

# 🔹 Сохраняем каждую страницу как изображение
for i, img in enumerate(images):
    img_path = os.path.join(output_folder, f"page_{i + 1}.png")
    img.save(img_path, "PNG")
    print(f"✅ Сохранено: {img_path}")

print("📄 Конвертация PDF завершена!")

pip install plover

import cv2
import torch
from ultralytics import YOLO

# 🔹 Загрузка предобученной модели YOLOv5
model = YOLO("yolov8n.pt")  # Можно заменить на "yolov5s.pt" или "yolov8m.pt"

# 🔹 Путь к изображению
image_path = "test_image.jpg"

# 🔹 Загрузка изображения
image = cv2.imread(image_path)

# 🔹 Детекция объектов
results = model(image)

# 🔹 Отображение результатов
for result in results:
    boxes = result.boxes.xyxy.cpu().numpy()  # Координаты боксов
    labels = result.names  # Названия классов
    for box in boxes:
        x1, y1, x2, y2 = map(int, box[:4])  # Координаты объекта
        label = labels[int(box[5])]  # Название класса объекта
        confidence = box[4]  # Уверенность модели
        cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
        cv2.putText(image, f"{label} {confidence:.2f}", (x1, y1 - 10),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 🔹 Показываем изображение с результатами
cv2.imshow("Распознанные объекты", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

pip install pyocd

import cv2
import numpy as np
from pyzbar.pyzbar import decode

# 🔹 Запуск веб-камеры
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 🔹 Распознавание QR и штрих-кодов
    for barcode in decode(frame):
        barcode_data = barcode.data.decode("utf-8")
        barcode_type = barcode.type
        x, y, w, h = barcode.rect
        
        # 🔹 Рисуем рамку и подпись
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
        cv2.putText(frame, f"{barcode_type}: {barcode_data}", (x, y - 10),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    # 🔹 Отображаем кадр с результатами
    cv2.imshow("QR/Barcode Scanner", frame)

    # 🔹 Нажмите 'q' для выхода
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

pip install textshot

from google_images_download import google_images_download

# 🔹 Инициализация загрузчика
downloader = google_images_download.googleimagesdownload()

# 🔹 Параметры запроса
query = "космос"  # Что искать
num_images = 10  # Количество изображений
output_directory = "downloaded_images"  # Куда сохранять

# 🔹 Запуск загрузки
arguments = {
    "keywords": query,
    "limit": num_images,
    "print_urls": True,
    "output_directory": output_directory
}

downloader.download(arguments)

print(f"✅ Изображения загружены в папку: {output_directory}")

pip install coqui-tts

import requests
import os
import ctypes
from PIL import Image

# 🔹 URL для скачивания случайного изображения с Unsplash
url = "https://source.unsplash.com/random/1920x1080"

# 🔹 Путь к файлу обоев
wallpaper_path = os.path.join(os.getcwd(), "wallpaper.jpg")

# 🔹 Скачиваем изображение
response = requests.get(url)
if response.status_code == 200:
    with open(wallpaper_path, "wb") as file:
        file.write(response.content)
    print("✅ Новые обои скачаны!")

    # 🔹 Устанавливаем обои (Windows)
    ctypes.windll.user32.SystemParametersInfoW(20, 0, wallpaper_path, 0)
    print("🖼 Обои обновлены!")
else:
    print("❌ Ошибка загрузки изображения")

pip install chardet

import deepl

# 🔹 Вставьте свой API-ключ DeepL
DEEPL_API_KEY = "your-api-key"

translator = deepl.Translator(DEEPL_API_KEY)

# 🔹 Исходный текст
text = "Hello, how are you?"
target_language = "RU"  # Перевод на русский

# 🔹 Перевод текста
translated_text = translator.translate_text(text, target_lang=target_language)
print(f"✅ Переведённый текст: {translated_text.text}")

git clone https://github.com/iperov/DeepFaceLive.git
cd DeepFaceLive
pip install -r requirements.txt