🤷‍♂️ Хотите аватар или постер в стиле Pixar из своего фото? Нейросеть Perplexity сделает это бесплатно (правда, всего 3 раза в день)!

🚀 Просто загрузите снимок, и сервис автоматически создаст качественный мультяшный арт за секунды. Никаких промптов, регистрации или рекламы – всё работает онлайн. На выходе получается вот такой вот результат, как на фотках сверху (загружал аватарку канала)

Стать мультиком можно тут.

🖥 Оказывается, в РФ еще не все шарят, как обойти блокировку YouTube/Discord. Уже больше 10 раз через бота спрашивали, отвечу.

Этот проект предлагает готовое ("Plug & Play") решение для пользователей Windows, столкнувшихся с проблемами доступа к Discord и YouTube. Мои знакомые рекомендовали как лучший обход из имеющихся (и это не реклама, челы)

Что умеет? 🛠

- восстановление доступа к Discord и YouTube;
- не замедляет другие сервисы;
- использование WinDivert для перехвата и фильтрации сетевого трафика, что и позволяет обходить ограничения;
- в комплекте идут .bat файлы для запуска с разными настройками, управления обходом Cloudflare и службами;
- пользователи могут сами расширять списки адресов для обхода, добавляя их в специальные файлы (list-general.txt, list-discord.txt);

На страничке репозитория есть информация по решению частых проблем. Естественно - фулл бесплатно. Автор старается поддерживать актуальность инструмента.

🚀 Ссылка на репозиторий.

P.S. не знаю, насколько актуально. Вероятно, все кто хотел обойти - уже обошли. Но на всякий.

🚀 Парни, код для свапа лиц между двумя фото. При первом запуске подкачает модельку.

import requests
import cv2
import os
from insightface.app import FaceAnalysis
from insightface.model_zoo import get_model

app = FaceAnalysis(name='buffalo_l')
app.prepare(ctx_id=0, det_size=(640, 640))


def download_model(url, model_path):
    if not os.path.exists(model_path):
        print(f"Загрузка модели с {url}...")
        response = requests.get(url)
        response.raise_for_status()
        with open(model_path, 'wb') as file:
            file.write(response.content)
        print(f"Модель сохранена как {model_path}")


model_url = "https://huggingface.co/ezioruan/inswapper_128.onnx/resolve/main/inswapper_128.onnx?download=true"
model_path = "inswapper_128.onnx"

download_model(model_url, model_path)

swapper = get_model(model_path)


def swap_face_between_images(source_image_path, target_image_path, output_image_path):
    source_img = cv2.imread(source_image_path)
    if source_img is None:
        print(f"Ошибка: Не удалось загрузить изображение-источник по пути: {source_image_path}")
        return

    target_img = cv2.imread(target_image_path)
    if target_img is None:
        print(f"Ошибка: Не удалось загрузить изображение-цель по пути: {target_image_path}")
        return

    print("Анализ лиц на изображении-источнике...")
    source_faces = app.get(source_img)
    if not source_faces:
        print("Ошибка: Лица на изображении-источнике не найдены.")
        return
    source_face = source_faces[0]

    print("Анализ лиц на изображении-цели...")
    target_faces = app.get(target_img)
    if not target_faces:
        print("Ошибка: Лица на изображении-цели не найдены.")
        return
    target_face_to_replace = target_faces[0]

    print("Выполнение замены лица...")
    result_img = target_img.copy()
    result_img = swapper.get(result_img, target_face_to_replace, source_face)

    cv2.imwrite(output_image_path, result_img)
    print(f"Изображение с замененным лицом сохранено как: {output_image_path}")


if __name__ == "__main__":
    path_to_source_photo = 'rojers.jpg'
    path_to_target_photo = 'stark.jpg'
    output_filename = 'swapped_result.png'

    if not os.path.exists(path_to_source_photo):
        print(
            f"Файл источника не найден: {path_to_source_photo}. Пожалуйста, создайте его или укажите правильный путь.")
    elif not os.path.exists(path_to_target_photo):
        print(f"Файл цели не найден: {path_to_target_photo}. Пожалуйста, создайте его или укажите правильный путь.")
    else:
        swap_face_between_images(path_to_source_photo, path_to_target_photo, output_filename)

requirements.txt:

opencv-python
onnxruntime
insightface

Чем лучше качество исходных фоток, тем лучше будет результат.

📱 Мне было так лень постить шортсы, поэтому я сделал себе софт, который будет это делать за меня, фух.

Сам формирует видео название, описание, хештеги. Заполняет формы автоматически.

Все делается с ПК, с одного интерфеса, есть пресеты описаний и хеш-тегов, могу грузить пакетно с папки, ставить любое удобное мне время и не думать.

Кайф. Просто хвастаюсь, даю Вам идеи...

🖥 В очередной раз прочитал комментарии гениев о том, что Python медленный, а С++ и Java - быстрые. Вероятно, люди не совсем еще понимают, в чем идея огромного количества языков программирования и что у каждого из них своя задача. Я же не идиот, что начал Python учить, зная могучий C++ (или мне просто нечего делать было?)

Давайте сравним на казуальной задаче: парсинг веб-страницы. Задача - собрать все заголовки с главной страницы Wikipedia.

На Python для этого нужно использовать только: requests, BeautifulSoup. А вот на C++ придется по-мучится с libcurl и Gumbo-parser.

Что у нас получается на Python? Буквально 7 строк. А вот, что получится для С++:

#include <iostream>
#include <string>
#include <vector>
#include <curl/curl.h>
#include <gumbo.h>

size_t write_callback(void *contents, size_t size, size_t nmemb, std::string *s) {
    size_t new_length = size * nmemb;
    try {
        s->append((char*)contents, new_length);
    } catch(std::bad_alloc &e) {
        return 0;
    }
    return new_length;
}

void search_for_headers(GumboNode* node, std::vector<std::string>& headers) {
    if (node->type != GUMBO_NODE_ELEMENT) {
        return;
    }

    GumboTag tag = node->v.element.tag;
    if (tag >= GUMBO_TAG_H1 && tag <= GUMBO_TAG_H6) {
        GumboVector* children = &node->v.element.children;
        for (unsigned int i = 0; i < children->length; ++i) {
            GumboNode* child = static_cast<GumboNode*>(children->data[i]);
            if (child->type == GUMBO_NODE_TEXT) {
                headers.push_back(child->v.text.text);
            }
        }
    }

    GumboVector* children = &node->v.element.children;
    for (unsigned int i = 0; i < children->length; ++i) {
        search_for_headers(static_cast<GumboNode*>(children->data[i]), headers);
    }
}

int main() {
    CURL *curl;
    CURLcode res;
    std::string html_content;

    curl = curl_easy_init();
    if (curl) {
        curl_easy_setopt(curl, CURLOPT_URL, "https://ru.wikipedia.org/wiki/Заглавная_страница");
        curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, write_callback);
        curl_easy_setopt(curl, CURLOPT_WRITEDATA, &html_content);
        
        res = curl_easy_perform(curl);
        if (res != CURLE_OK) {
            std::cerr << "Ошибка curl_easy_perform(): " << curl_easy_strerror(res) << std::endl;
        }
        
        curl_easy_cleanup(curl);
    }

    if (html_content.empty()) {
        std::cerr << "Не удалось загрузить HTML." << std::endl;
        return 1;
    }

    GumboOutput* output = gumbo_parse(html_content.c_str());
    
    std::vector<std::string> headers;
    search_for_headers(output->root, headers);

    std::cout << "Найденные заголовки:" << std::endl;
    for (const auto& header : headers) {
        std::cout << "- " << header << std::endl;
    }

    gumbo_destroy_output(&kGumboDefaultOptions, output);

    return 0;
}

Как видите, код на C++ требует:

- ручного управления зависимостями: нужно установить и слинковать библиотеки;
- более низкоуровневой работы: вы вручную настраиваете curl, пишете callback-функцию для сохранения данных;
- явного обхода дерева: вы рекурсивно обходите DOM-дерево, построенное Gumbo;
- ручного управления памятью: вы обязаны вызвать gumbo_destroy_output, чтобы избежать утечек памяти.

🚀 Задача одна, объем кода и время на выполнение - кардинально разные. На С++ это +- час, на Python - 5 минут. А в скорости работы при таком сценарии разницы нет. Я это к чему: у всех языков свои преимущества, назначения. Python не существует для того, чтобы на уровне ядра с ОС взаимодействовать. Он нужен, чтобы упростить разработку в типизированных сценариях, сделать ее быстрой и приятной.

🗿 Сделали сайт и хотите показать кенту? Или нужно выводить картинку с подключенной к локальному ПК камеры?

Не проблема, есть ngrock 🖥 (если не хотите возиться с настройками роутера).

🚀 Ngrok — это удобный инструмент, который позволяет временно сделать ваш локальный сервер доступным через интернет. Это очень полезно, если вы:

- Разрабатываете сайт или приложение и хотите показать результат друзьям или заказчику до развертывания.
- Тестируете вебхуки или API-интерфейсы.
- Хотите быстро проверить работу вашего сервиса вне вашей локальной сети.

👨‍💻 Как это работает?

Вы запускаете локальный сервер (например, сайт на Flask или Node.js), затем запускаете ngrok и получаете публичный URL, по которому любой пользователь в интернете сможет получить доступ к вашему локальному серверу.

Например:

ngrok http 8080

Теперь ваш локальный сервер на порту 8080 доступен через URL, который сгенерирует ngrok (например, https://abcd1234.ngrok.io).

✨ Можно делиться своим шедевро-сайтом, скамом, фишингом и т.д. с миром...

🖥 Продолжу тему баз данных, об одной ключевой вчера не рассказал.

Сегодня о классической связке, которая лежит в основе многих крутых проектов: Python и MySQL.

🤔 Как они "дружат?"

Python "общается" с базами данных MySQL с помощью специальных библиотек-коннекторов. Самые популярные — mysql-connector-python (официальный от Oracle) и PyMySQL. 👀 Вы просто устанавливаете нужную библиотеку, импортируете ее в свой скрипт и можете выполнять любые SQL-запросы: создавать таблицы, добавлять данные, делать сложные выборки. Все просто и по-питоновски элегантно.

🚀 Где это используется?

1. Веб-приложения на Django & Flask: Это самая частая сфера применения. Интернет-магазины, блоги, CRM-системы, социальные сети — везде, где нужно надежно хранить данные о пользователях, товарах или постах, MySQL отлично справляется с ролью хранилища. Django и Flask имеют прекрасную интеграцию с этой СУБД.
2. Аналитика и ETL-процессы: Представьте, что вы парсите данные с сайтов. Python-скрипт собирает информацию, обрабатывает ее и аккуратно записывает в таблицы MySQL. Позже эти данные можно легко анализировать и строить отчеты.
3. Телеграм-боты: Ваш бот должен помнить пользователей, их настройки или историю сообщений? MySQL — отличный и надежный выбор для хранения этой информации.
4. Системы мониторинга: Скрипты, которые следят за состоянием серверов или приложений, могут записывать логи и метрики в базу MySQL для последующего анализа.

Python + MySQL — это надежное и масштабируемое решение для огромного спектра задач.

P.S. я вижу сообщения от ВСЕХ в боте, не нужно писать по несколько раз. Я закрываю вопрос с 2-3 людьми, потом иду дальше.

Если я начну отвечать всем и сразу - никто решение своей проблемы не получит, а я к тому, что сейчас кушаю золофт, еще пару таблеток у психиатра выпишу. До всех очередь дойдет, компенсирую работой/деньгами.

⚡Проект для автоматизации создания 🤑 YouTube Shorts с использованием MoviePy 😒

Мог бы сделать для Вас что-то похожее, на дистанции в пару недель. Вот только интересно ли будет?) Не в браузере на локальном сервере, а полноценным десктопным приложением.

‼️ Правда, там большие затраты на API-ключи и подойдет только тем, кто имеет возможность тратиться. Но судя по тому, сколько набирают эти нейро-видео на Ютубе, может того стоить.

Ознакомиться с репозиторием автора видео можно здесь.

😴 Тихонечко сделаю пост, люди же приходят.

🖥 В общем, тот самый софт, скрипт, который текст от "юникода" чистит, полезно студентам и школьникам.

Пользуйтесь на здоровье.

‼️ P.S. антивирус может ругаться, если не верите, что там ничего нет (злого) - не запускайте. Код в комментарии скину, если кому нужен код.