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)

opencv-python
onnxruntime
insightface

from transformers import BlipProcessor, BlipForConditionalGeneration
import torch
from PIL import Image

processor = BlipProcessor.from_pretrained("Salesforce/blip-image-captioning-base")
model = BlipForConditionalGeneration.from_pretrained("Salesforce/blip-image-captioning-base")

image_path = "img_4.jpg"
image = Image.open(image_path)

inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    output = model.generate(**inputs)

description = processor.decode(output[0], skip_special_tokens=True)

print("Image description:", description)

transformers
torch
Pillow

1) "У меня работает!" – теперь это факт, а не отмазка. Если приложение работает в Docker-контейнере у вас, оно так же будет работать и у других. Конфликты окружений уходят в прошлое.
2) Изоляция. Каждое приложение живет в своем "домике"-контейнере, не мешая соседям. Можно запускать кучу всего на одной машине без головной боли.
3) Скорость и легкость. Запустить контейнер – дело секунд. Нужно больше мощности? Легко масштабируем, добавляя контейнеры. При этом они гораздо "легче" виртуальных машин, так как не тащат за собой целую операционку.
4) Простота для разработчиков. Быстро создаем, тестируем и не паримся о настройках окружения. Фокус на коде!
5) Воспроизводимость. Окружение в контейнере стабильно, что гарантирует одинаковую работу приложения сегодня и завтра.

- Windows: Вам, скорее всего, понадобится Docker Desktop for Windows. Он использует WSL 2 (Windows Subsystem for Linux 2) для работы, так что убедитесь, что ваша система его поддерживает и он включен.
- macOS: Аналогично, есть Docker Desktop for Mac. Установка обычно довольно простая – скачиваете и устанавливаете, как обычное приложение.
- Linux: Тут вариантов больше. Обычно Docker Engine устанавливается через менеджер пакетов вашего дистрибутива (например, apt для Debian/Ubuntu или yum для Fedora/CentOS).

docker run hello-world

docker run -d -p 80:80 nginx

docker ps

import asyncio
from telegram import Bot

async def get_telegram_gifts(bot_token):
    bot = Bot(token=bot_token)
    gifts = await bot.get_available_gifts()
    for gift in gifts.gifts:
        print(f"ID подарка: {gift.id}, Эмодзи: {gift.sticker.emoji}, Размер файла стикера: {gift.sticker.file_size}, Стоимость: {gift.star_count}")



# Замените на токен бота!
bot_token = "ТОКЕН_АДМИН_КРАСАВЧИК"
asyncio.run(get_telegram_gifts(bot_token))

 pip install python-telegram-bot

Скрипт использует автоматизацию браузера для входа в ваш аккаунт Epic Games, добавляет доступные бесплатные игры в корзину и "покупает" их. Он также проверяет вашу библиотеку, чтобы не добавлять уже имеющиеся игры. Если появляется капча (hCaptcha), он пытается ее решить.