💻 Antidetect Tools — полный арсенал для анонимного серфинга.

Если ты хоть раз сталкивался с антибот-системами или жёсткими проверками сайтов, то знаешь: обычных прокси или квн* будет маловато.

Здесь нужны настоящие инструменты антидетекта, которые маскируют твои действия под человека.

В этом репозитории собраны лучшие ресурсы:

🖥 Anti-detect браузеры — меняй отпечатки как перчатки.
📚 Библиотеки для антидетекта — интеграция прямо в код.
👊 Humanizing — эмуляция реального поведения.
🔐 Капча-решатели — обходи самые надоедливые проверки.
📲 SMS-сервисы для подтверждений.
🌍 Прокси для смены IP.
⚡️ Практические советы по антидетекту.

🔗 Репозиторий

Must-have подборка для ресёрча, тестирования и повышения приватности.

Сохраняй, чтобы не потерять 💾

#soft #github #CyberSec

⌨️ No AI Slop — open-source инструмент, который прогоняет текст через различные паттерны и вычищает «нейросетевой почерк»: распознаёт и убирает более 20 шаблонов, по которым обычно сразу палится ИИ.

При этом старается сохранить стиль, лексику и подачу автора.

Ловит всю классику:
🖱 шаблоны вроде «Это не X. Это Y»;
🖱 псевдоинсайды;
🖱 пафосные обрывки предложений;
🖱 раздутую важность обычных вещей;
🖱 поверхностную аналитику;
🖱 одинаковые псевдофилософские концовки и д.р.

Это не очередной AI-detector. Режим проверки не пытается гадать, писал текст человек или нейросеть — он показывает конкретные подозрительные конструкции и объясняет, что с ними не так.

⚙️ Работает с ChatGPT, Claude Code, Codex и другими агентами, а поставить можно буквально одной командой:
npx skills add petergyang/no-ai-slop --skill no-ai-slop --global --yes

▶️ После юзаем:
/no-ai-slop ваш текст

И получаем человеческую версию + список внесённых изменений.

✅ Полезнейшая штука для тех, кто постоянно пишет посты, статьи, рефераты и документацию через нейронки.

♎️ GitHub/Инструкция

#python #soft #github

📈 Smart Money Concepts — open-source проект для алгоритмического трейдинга.

Python научили находить на графике зоны, за которыми трейдеры обычно охотятся вручную.

Умеет определять:
🟢блоки ордеров,
🟢зоны ликвидности,
🟢Fair Value Gaps,
🟢максимумы и минимумы колебаний,
🟢пробои структуры (BOS) и смену характера движения (CHoCH).

📊 Вместо бесконечного ручного рисования уровней можно заставить Python самостоятельно анализировать график, искать потенциальные точки интереса и превращать всё это в данные для дальнейшего анализа, скринеров и торговых алгоритмов.

Умеет автоматически искать:
💬 Fair Value Gaps (FVG) — ценовые дисбалансы;
💬 Order Blocks — потенциальные зоны крупных заявок;
💬 Liquidity — скопления ликвидности и их снятие;
💬 Swing High / Swing Low — локальные максимумы и минимумы;
💬 BOS — Break of Structure;
💬 CHoCH — Change of Character;
💬 максимумы и минимумы предыдущих таймфреймов;
💬 торговые сессии — London, New York, Tokyo и другие;
💬 глубину откатов от swing-точек.

Установка в одну команду:
pip install smartmoneyconcepts

Использование:
from smartmoneyconcepts import smc

и можно строить собственные скринеры, торговых ботов, исследования и стратегии поверх pandas.

🔥 Будет интересно тем, кто занимается Python + криптой/форексом/алготрейдингом: вместо ручного рисования зон получаем данные, которые уже можно фильтровать, тестировать и использовать в коде.

💻 Это не готовая прибыльная торговая стратегия. Автор софта предупреждает не использовать библиотеку как единственный источник торговых решений!

♎️ GitHub/Инструкция

#python #soft #github

⚡️ Нейронки бесплатно? Легко.

Вышел полноценный аналог хайпового агента OpenCode, который не уступает оригиналу. Репозиторий уже просто разорвало — более 200 000 звёзд от пользователей.

🔣Этот агент может закрывать задачи, на которые раньше нужна была целая команда разработчиков: от простых лендингов до сервисов со сложной бизнес-логикой.
🔣Поддерживает все топовые нейросети и работает сразу с 75 провайдерами: OpenAI, Google, Mistral, локальные модели и другими мощными решениями.
🔣Запускается прямо в терминале — без лишних установок, лаунчеров и надстроек.
🔣Управлять ИИ-агентом можно даже с телефона — буквально раздавать задачи своей “кодинг-команде”, не вставая с дивана.
🔣Работает без КВН и без ограничений.

Лютая имба!

🔗 Забираем и пробуем ТУТ

💻 Инструкция на русском

#нейросеть #soft #github

🎬 ИИ научили снимать рекламные ролики одной командой

/brag — open-source инструмент, скилл для AI-кодинг-агентов, который берёт созданный вами проект и превращает его в короткое презентационное видео для соцсетей.

Репозиторий уже собрал 7 000 звёзд на GitHub.

▶️ Работает максимально лениво:
/brag

Дальше агент сам определяет, как лучше показать проект, выбирает ключевые моменты, продумывает подачу и передаёт сценарий в Hyperframes, который собирает, таймит и рендерит ролик.

На выходе получаем:
💬 готовый brag.mp4;
💬 музыку, движение и эффекты;
💬 план и композицию ролика;
💬 готовый текст для публикации в соцсетях;
💬 опциональную озвучку через --voice;
💬 возможность задать собственный стиль через --tone.

Пример:
/brag --tone "Эффективный стиль киберпанк"
или просто:
/brag --voice

Инструмент заточен не только под Claude Code. Автор заявляет поддержку Codex CLI, opencode, а через Agent Skills — Cursor, Copilot, Gemini CLI и других совместимых агентов. Для работы потребуются Node.js 22+, FFmpeg и Hyperframes CLI.

📱 Установка для Claude Code:
/plugin marketplace add latent-spaces/brag
/plugin install brag@brag

⚙️ Для других агентов:
npx skills add https://github.com/latent-spaces/brag --skill brag

Теперь после нескольких часов вайбкодинга можно не тратить ещё пару часов на монтаж демки 😎

♎️ GitHub/Инструкция

⬇️ Сохраняем

#python #soft #github

⚡️ Open-source AI-диктофон: записывает разговор, распознаёт участников и превращает часы аудио в базу знаний

Speakr — self-hosted платформа для расшифровки и анализа аудиозаписей. Запускается на собственном сервере, а вместо обычного «аудио → текст» умеет превращать записи в структурированные и доступные для поиска заметки.

Можно записать встречу, лекцию, созвон или интервью — дальше Speakr:

💬 автоматически расшифровать аудио;
💬 определить, кто именно говорит, и разделить реплики по спикерам;
💬 узнавать одного и того же человека в разных записях через голосовые профили;
💬 автоматически создавать саммари по собственному промпту;
💬 вытаскивать из разговора задачи и события;
💬 синхронизировать текст с аудио — нажал на реплику и сразу перешёл к нужному моменту записи.

🔥 Но самое интересное — чат с собственными записями.

Можно спросить ИИ:
«Что мы решили насчёт изменения цены и кто был против?»

Speakr ищет информацию по библиотеке записей, формирует ответ и ссылается на конкретные фрагменты разговора с таймкодами. Есть отдельный Inquire Mode для семантического поиска сразу по всей коллекции.

Под капотом тоже интересно, есть возможость подключить:
🔣WhisperX,
🔣OpenAI,
🔣Mistral/Voxtral,
🔣AssemblyAI,
🔣OpenASR,
🔣Alibaba FunASR
🔣 или собственный ASR-сервис.

Для автоматизации есть REST API, Swagger, webhooks и интеграции с n8n, Zapier и Make. Транскрипты можно автоматически экспортировать, например, в Obsidian/Logseq.

Есть поддержка длинных записей, папок, тегов, нескольких пользователей, SSO, общего доступа и политик автоматического удаления старых записей. Сам Speakr можно установить как PWA и пользоваться им с телефона.

👨‍💻 Главная фишка — self-hosted подход: проект рассчитан на развёртывание на собственной инфраструктуре, что особенно интересно для личных и рабочих разговоров, которые не хочется хранить в очередном облачном сервисе.

⚙️ Установка и запуск Speakr

1. Создаём папку:

mkdir speakr && cd speakr

2. Скачиваем конфиги:

wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/docker-compose.example.yml -O docker-compose.yml

wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/env.transcription.example -O .env

3. Настраиваем `.env`:

nano .env

Указываем API-ключи и модели для распознавания речи и AI-анализа/саммари.

4. Запускаем:

docker compose up -d

5. Открываем Speakr:

http://localhost:8899

Проверить работу:

docker compose ps

Посмотреть логи:

docker compose logs -f

➡️ Для большей приватности Speakr можно связать с локальным WhisperX — тогда распознавание аудио можно выполнять на собственной машине.

Записал разговор → получил расшифровку → саммари → задачи → спросил ИИ, о чём вы говорили полгода назад.

♎️ GitHub/Инструкция

#python #soft #github

⚡️ CyberScraper 2077 — когда обычного парсера уже недостаточно

Продвинутый веб-скрапер с поддержкой ИИ, который объединяет парсинг сайтов с возможностями OpenAI, Gemini и Ollama. Вместо простого сбора HTML помогает анализировать контент и превращать полученную информацию в нормальные структурированные данные.

Что умеет:
🖍 работать на Windows и Linux, есть запуск через Docker;
🖍 предоставлять удобный интерфейс для настройки сбора данных;
🖍 подключать ИИ для анализа и структурирования найденной информации;
🖍 экспортировать результат сразу в JSON, CSV, HTML, SQL и Excel;
🖍 использовать stealth-режим при работе с сайтами;
🖍 работать с CAPTCHA и другими препятствиями, которые могут встретиться при автоматизированном сборе данных.

💻 Чтобы ловко обходить капчи, защиту и глубже понимать контент, который вы собираетесь парсить.

🖥 Установка и запуск

Потребуется Python 3.10+.

git clone https://github.com/itsOwen/CyberScraper-2077.git
cd CyberScraper-2077

virtualenv venv
source venv/bin/activate

pip install -r requirements.txt
playwright install

Добавляем API-ключи:

export OPENAI_API_KEY="ваш-ключ"
export GOOGLE_API_KEY="ваш-ключ"

▶️ Запускаем CyberScraper:

streamlit run main.py

После запуска открываем:

http://localhost:8501

Также проект поддерживает Ollama с локальными моделями и запуск через Docker.

По сути, задаёте, что именно хотите получить с сайта, запускаете сбор — а на выходе получаете уже подготовленные данные вместо необходимости вручную разбирать гору страниц.

💻 Отличная находка для тех, кто работает с Python, автоматизацией, сбором больших объёмов информации и AI-агентами.

♎️ GitHub/Инструкция

😳 Лайф | 📲 Зеркало Max

#python #github #soft

💻 Viseron — прокачиваем собственное домашнее видеонаблюдение без подписок и облаков.

По сути, можно собрать у себя мини-Сити-17: система умеет детектить
💬 движение,
💬 распознавать людей,
💬 лица и объекты.

📸 Камера уже не просто пишет видео, а понимает, что происходит в кадре.

🐳 Ставится локально через Docker, после запуска открываете веб-интерфейс и настраиваете всё под себя. Главное — данные никуда не улетают: всё работает на вашем железе.

Хотели нормальное видеонаблюдение без облачной зависимости и платных подписок — забираем.

♎️ GitHub/Инструкция

#python #soft #github

🔥 Нейронка, которая превращает обычные фотографии в 3D-сцену за считанные секунды

VGGT (Visual Geometry Grounded Transformer) — open-source модель, способная восстановить геометрию реального пространства по одной, нескольким или даже сотням фотографий.

Загружаем снимки объекта, комнаты, здания или локации — VGGT может определить:

🔣 положение и параметры камер;
🔣 карты глубины — Depth Maps;
🔣 3D Point Maps;
🔣 соответствующие 3D-точки между разными кадрами.

Есть готовая визуализация через Gradio и Viser, а результат можно экспортировать в COLMAP и дальше использовать, например, в пайплайнах NeRF / Gaussian Splatting.

⚙️Установка:

git clone git@github.com:facebookresearch/vggt.git
cd vggt
pip install -r requirements.txt

▶️ Пример запуска:

import torch

from vggt.models.vggt import VGGT
from vggt.utils.load_fn import load_and_preprocess_images

device = "cuda" if torch.cuda.is_available() else "cpu"

# bfloat16 поддерживается на Ampere GPU
# с Compute Capability 8.0+
dtype = (
    torch.bfloat16
    if torch.cuda.get_device_capability()[0] >= 8
    else torch.float16
)

# Загружаем модель.
# При первом запуске веса автоматически
# скачаются с Hugging Face.
model = VGGT.from_pretrained(
    "facebook/VGGT-1B"
).to(device)

# Указываем собственные фотографии
image_names = [
    "path/to/imageA.png",
    "path/to/imageB.png",
    "path/to/imageC.png",
]

images = load_and_preprocess_images(
    image_names
).to(device)

with torch.no_grad():
    with torch.cuda.amp.autocast(dtype=dtype):

        # Получаем камеры, depth maps,
        # point maps и другие предсказания
        predictions = model(images)

👨‍💻 Хотим не возиться с кодом?

Ставим зависимости для готового интерфейса:

pip install -r requirements_demo.txt

И запускаем Gradio:

python demo_gradio.py

Открывается веб-интерфейс, куда можно загружать изображения или видео, запускать реконструкцию и интерактивно рассматривать полученную 3D-сцену прямо в браузере.

Есть и отдельный 3D-viewer:

python demo_viser.py \
  --image_folder path/to/your/images/folder

А если нужен результат для дальнейшей работы в 3D, VGGT умеет экспортировать реконструкцию непосредственно в COLMAP:

python demo_colmap.py \
  --scene_dir=/YOUR/SCENE_DIR/

После обработки получаем параметры камер и 3D-точки в каталоге sparse, которые можно использовать дальше в соответствующих 3D-пайплайнах.

Очень мощная штука для Computer Vision, 3D, робототехники, AR/VR и Gaussian Splatting.

♎️ Пробуем

#python #soft #github