alexandria-audiobook

Слушать аудиокниги удобно, но если нужно конвертировать имеющийся роман или электронную книгу в аудиоформат, большинство инструментов выдают «механический» голос с одним тембром — без разделения персонажей и эмоциональной выразительности.

Недавно наткнулся на open-source проект Alexandria Audiobook Generator, который с помощью AI автоматически размечает текст и генерирует аудиокнигу с озвучкой нескольких персонажей. Сначала большая модель парсит весь текст книги, точно разделяя нарратив (описание) и реплики разных персонажей, а также проставляет эмоциональные теги.

В проект встроен локальный TTS-движок: поддерживаются разные языки, а такие вещи, как вздохи, смех и прочие паралингвистические элементы, воспроизводятся естественно с учётом контекста.

Есть удобный UI, где можно назначать разные голоса для каждого персонажа; также поддерживается клонирование голоса по короткому аудио-сэмплу (буквально несколько секунд).

Поддерживается one-click локальный деплой — без необходимости использовать внешние голосовые сервисы, всё работает полностью на локальной машине.

На выходе можно экспортировать аудиокнигу в формате M4B с главами или в виде многодорожечного аудио. Отличный вариант для тех, кто любит аудиокниги или занимается созданием аудиоконтента.

📁 Language: #Python 58.3%

⭐️ Stars: 422

➡️ Cсылка на GitHub

📱 @git_developer

ui-ux-pro-max-skill

Когда пишешь фронтенд-код с помощью AI, интерфейсы получаются однотипными: устаревшие цветовые схемы, хаотичная верстка. Хочется сделать красиво, но нет навыков дизайна — в итоге сплошная головная боль.

Случайно наткнулся на open-source проект UI UX Pro Max — ощущение, будто нашёл его слишком поздно. Уже набрал более 50 000 .

После установки это фактически как добавить AI-код-ассистенту «мозг» профессионального дизайнера: он автоматически генерирует полноценные дизайн-решения.

Достаточно описать тип проекта — и он, исходя из особенностей индустрии, автоматически подбирает цветовую палитру, шрифты, лейаут страниц и стиль взаимодействия, выдавая готовую дизайн-систему.

Внутри — 161 правило дизайна для разных индустрий: от SaaS, финансов и медицины до e-commerce и гейминга. Плюс подсказывает, какие решения считаются антипаттернами и каких «граблей» лучше избегать.

Также доступны 67 стилей интерфейса и 57 наборов шрифтовых пар — не нужно вручную всё подбирать.

Поддерживает более десятка популярных AI-инструментов для программирования, включая Claude Code, Cursor и другие. Устанавливается одной командой и автоматически активируется при написании кода.

Если ты часто используешь AI для фронтенда, но страдаешь от слабого визуала — этот набор скиллов избавит от постоянной правки стилей.

📁 Language: #Python 77.9%

⭐️ Stars: 50.7k

➡️ Cсылка на GitHub

📱 @git_developer

Vibe Draw

Простая и удобная 3D-моделирующая программа

Она позволяет превращать грубые эскизы в красивые 3D-модели с помощью ИИ в один клик, делая 3D-творчество доступным каждому.

🔸Свободное рисование 2D-эскизов с их мгновенным преобразованием в 3D-модели
🔸Оптимизация эскизов с помощью ИИ для улучшения деталей и качества
🔸Поддержка текстовых подсказок для редактирования и улучшения 3D-моделей
🔸Возможность комбинировать несколько моделей в 3D-пространстве для создания сцен
🔸Экспорт в стандартный формат (.glTF) одним кликом, совместимость с существующими инструментами

Поддерживается быстрая развертка через Docker, а также экспорт в .glTF для интеграции с другими инструментами.

📁 Language: #TypeScript(55.3%), #Python(19.9%)

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

skills-best-practices

Недавно наткнулся на гайд с best practices по написанию Agent Skills на GitHub: skills-best-practices.

Он описывает стандартизированную структуру директорий, чётко разделяя основные инструкции, исполняемые скрипты и справочные файлы.

Подробно объясняется, как оптимизировать метаданные, грамотно использовать негативные триггер-слова и существенно повысить вероятность точного вызова скиллов.

Также там есть набор практических verification prompts, которые показывают, как с помощью самой LLM проверять логическую целостность и edge cases скиллов.

Ключевая идея — выносить сложные повторяющиеся операции в отдельные скрипты, оставляя модели только принятие высокоуровневых решений, тем самым эффективно контролируя расход токенов.

Контент качественный и максимально прикладной. Тем, кто хочет писать Skills, этот гайд точно стоит сохранить и изучить.

📁 Language: #Python 100.0%

⭐️ Stars: 1.7k

➡️ Cсылка на GitHub

📱 @git_developer

claude-howto

Многие нетехнические знакомые устанавливают Claude Code, запускают пару промптов — и дальше не понимают, как углубиться.

Хотя в официальной документации перечислено множество возможностей, нет понимания, как их комбинировать и с чего вообще начинать обучение.

Случайно наткнулся на структурированный практический туториал для Claude Code на GitHub — claude-howto.

Он включает 10 учебных модулей и шаблоны конфигураций, которые можно сразу копировать и использовать, а также блок-схемы, показывающие внутреннюю работу каждой фичи.

От slash-команд, системы памяти и настройки скиллов — до sub-agents, hook-скриптов и разработки плагинов, всё выстроено от beginner к advanced уровню.

В каждом модуле есть встроенные квизы, которые можно пройти после завершения, чтобы выявить пробелы в знаниях. Весь курс занимает примерно 11–13 часов, но уже через 15 минут можно начать практику с первым шаблоном.

Если ты используешь Claude Code только для базовых диалогов и хочешь реально раскрыть его эффективность — этот гайд точно стоит пройти хотя бы один раз.

📁 Language: #Python 92.2%

⭐️ Stars: 3.7k

➡️ Cсылка на GitHub

📱 @git_developer

chandra

При работе с текстом в PDF и изображениях — особенно в документах, где вперемешку идут таблицы, формулы и рукописный текст — результаты традиционного OCR часто превращаются в полный хаос, с потерей всей разметки.

Сегодня наткнулся на ещё одну новую open-source модель OCR: Chandra OCR 2. Она умеет напрямую конвертировать изображения и PDF в структурированные Markdown, HTML или JSON, при этом сохраняя исходный layout.

Поддерживает более 90 языков и заняла первое место в комплексном leaderboard’е по мультиязычному OCR, показывая сильные результаты в распознавании математических формул, сложных таблиц и рукописного текста.

Одна из самых практичных фич — точное восстановление структуры форм, включая такие детали, как чекбоксы, а также возможность извлекать графики из документов и автоматически генерировать их описания. Одной командой можно обрабатывать как один файл, так и целую директорию.

Если ты часто конвертируешь сканы, научные статьи или мультиязычные документы в редактируемые форматы — стоит попробовать: точность распознавания китайского языка достигает примерно 89%.

📁 Language: #Python 76.8%

⭐️ Stars: 7.6k

➡️ Cсылка на GitHub

📱 @git_developer

airecon

Проведение пентестов безопасности почти всегда требует вручную запускать кучу инструментов и многократно вводить команды — процесс не только утомительный, но и при использовании ИИ возникают опасения утечки данных цели.

Поэтому я нашёл AIRecon на GitHub — это open-source инструмент для пентеста с ИИ, который полностью работает офлайн, и все данные остаются на локальной машине.

Он запускает большую языковую модель локально, в связке с sandbox-окружением Kali Linux, и автоматически проходит весь процесс пентеста через четыре этапа: разведка (reconnaissance), анализ (analysis), эксплуатация (exploitation) и отчётность (reporting) — без необходимости в API-ключе.

В комплекте идёт 57 встроенных skill-файлов, которые автоматически подбирают соответствующие стратегии пентеста по ключевым словам.

Поддерживаются мультиагентное параллельное тестирование, автоматизация браузера, fuzzing API, а также автоматическое удаление дубликатов уязвимостей при формировании отчёта.

Прерванные тесты можно в любой момент продолжить, а весь процесс в реальном времени отображается в терминальном интерфейсе.

Если вы регулярно занимаетесь кибербезопасностью и предъявляете повышенные требования к приватности данных, это офлайн-решение определённо стоит попробовать.

📁 Language: #Python 98.6%

⭐️ Stars: 273

➡️ Cсылка на GitHub

📱 @git_developer

agentic-soc-platform

Команда безопасности сталкивается с сотнями или тысячами оповещений каждый день. Ручное расследование не только требует много времени и сил, но и может привести к пропуску угроз, которые требуют внимания.

Вы можете ознакомиться с платформой Agentic SOC, open-source решением для операций безопасности, которое использует AI-агентов для автоматизации обработки оповещений.

Она поставляется с встроенными AI-шаблонами, такими как Langgraph и Dify, поддерживает интеграцию с локальными большими языковыми моделями и помогает автоматически анализировать оповещения и выполнять ответы.

Платформа позволяет быстро настраивать интерактивные интерфейсы, модели данных и рабочие процессы, а также поддерживает интеграцию с популярными платформами, такими как Splunk и Kibana, с возможностью хранения всех данных локально.

Она подходит как для корпоративных операций безопасности, так и для друзей, которые хотят использовать AI для повышения эффективности экстренных реагирований — попробуйте её, развернув на своем сервере.

📁 Language: #Python 100%

⭐️ Stars: 670

➡️ Cсылка на GitHub

📱 @git_developer

ai-legal-claude

При подписании коммерческих контрактов или работе с аутсорсом плотные юридические формулировки часто перегружают, а разовая проверка у профессионального юриста может стоить несколько тысяч.

Поэтому на GitHub нашли AI Legal Assistant — AI-ассистента для юридических задач, который может провести ревью контракта за 60 секунд и генерировать юридические документы.

Это плагин для Claude Code: устанавливается одной командой, после чего можно передать файл контракта. Внутри работают 5 AI-агентов, которые параллельно анализируют условия, оценивают риски, выставляют safety score и дают рекомендации по правкам.

Помимо проверки контрактов, инструмент умеет генерировать NDA, условия использования (Terms of Service), политику конфиденциальности и другие типовые юридические документы.

Также может сравнивать две версии контракта, показывать различия и переводить юридические формулировки на понятный язык. Итоговый отчёт можно экспортировать в PDF с графиками.

Если вы фрилансер или небольшая команда и хотите быстро провести предварительный анализ перед подписанием контракта — этот инструмент стоит сохранить.

Важно: он не заменяет профессионального юриста, но помогает выявить потенциальные риски в условиях.

📁 Language: #Python 77.8%

⭐️ Stars: 170

➡️ Cсылка на GitHub

📱 @git_developer

There Is No Spoon

Многие опытные разработчики легко справляются со сложными программными системами, но когда дело доходит до машинного обучения, экран, заполненный математическими формулами, мешает сформировать интуитивное инженерное понимание.

Недавно наткнулся на open-source туториал There Is No Spoon на GitHub — вводное руководство по машинному обучению, специально ориентированное на инженеров.

Вместо сухого, учебникового изложения он преобразует абстрактные концепции ML в аналогии из физики и инженерии, которые нам знакомы.

Нейроны сравниваются с поляризационными фильтрами, глубина модели — с оригами, и используются максимально простые объяснения, чтобы переосмыслить базовое понимание алгоритмов.

Контент покрывает три основных блока: базовые концепции, популярные архитектуры (свёрточные, attention, рекуррентные сети, state space модели и т.д.), а также gating-механизмы как практический инструментарий для систем управления.

Фокус не на заучивании математических выводов, а на том, как выбирать инструменты под конкретные задачи и понимать компромиссы при выборе архитектуры.

Весь туториал — это один Markdown-файл с 12 визуализациями. Рекомендуется читать его вместе с AI-ассистентом — загрузить текст и разбирать разделы в диалоге для лучшего понимания.

Если у тебя есть бэкграунд в программировании и ты хочешь быстро разобраться в машинном обучении, этот туториал стоит сохранить и пройти с самого начала.

📁 Language: #Python 100.0%

⭐️ Stars: 628

➡️ Cсылка на GitHub

📱 @git_developer