⚡️ 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

😨 Нейросеть научилась читать по губам — теперь можно диктовать текст, вообще не произнося ни звука!

Lipflow — open-source инструмент, который превращает движения губ в текст. Никакого микрофона, голоса и звуков — достаточно обычной веб-камеры.

Работает почти как голосовой ввод, только без голоса: зажимаете горячую клавишу, беззвучно произносите нужную фразу, отпускаете — и нейросеть вставляет распознанный текст прямо в активное приложение.

🔥 Что интересного:

🖍 Читает по губам с помощью модели компьютерного зрения Auto-AVSR.
🖍 Работает локально — видео с камеры и распознавание обрабатываются на вашем компьютере.
🖍 Поддерживает Windows, macOS и Linux — без обязательной облачной обработки.
🖍 Подключает ИИ для исправления ошибок — Claude, ChatGPT через Codex CLI, Ollama или локальную Qwen.
🖍 Подстраивается под пользователя — можно потренировать модель на собственном лице и привычных фразах.
🖍 Умеет распознавать речь из видеофайлов, а не только с веб-камеры.

Есть даже гибридный режим: нейросеть одновременно анализирует движения губ и тихий шёпот, повышая точность распознавания.

Установка и запуск

macOS (Apple Silicon):

git clone https://github.com/amywork777/lipflow.git
cd lipflow
./setup.sh
open /Applications/Lipflow.app

Windows (PowerShell):

git clone https://github.com/amywork777/lipflow.git
cd lipflow
powershell -ExecutionPolicy Bypass -File setup.ps1

После установки запускаем Lipflow через меню «Пуск».

Linux:

git clone https://github.com/amywork777/lipflow.git
cd lipflow
curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync
./scripts/download-models.sh
uv run lipflow

🚀 Как пользоваться:
1. При первом запуске разрешаем доступ к камере и проходим настройку с тренировочными фразами.
2. Открываем любой текстовый редактор или мессенджер.
3. Зажимаем Right Option на macOS или Right Ctrl на Windows/Linux.
4. Беззвучно произносим фразу одними губами и отпускаем клавишу.
5. Нейросеть распознаёт движения губ и вставляет текст в активное поле.

💡 Бонус: двойное нажатие горячей клавиши включает режим без удержания кнопки. А для повышения точности можно подключить Claude, Codex CLI или Ollama.

❗️ Важно: при установке скачиваются модели объёмом около 1,2 ГБ. Для базового распознавания интернет после настройки не нужен.

⚡️ Особенно интересно для работы в тишине, экспериментов с компьютерным зрением и альтернативного управления компьютером.

Важный нюанс: технология пока не идеальна. Похожие движения губ могут соответствовать разным словам, поэтому ошибки возможны, особенно при полностью беззвучной речи. Именно для этого предусмотрена дополнительная AI-коррекция.

💬 По сути, это диктовка нового поколения: вы молча шевелите губами, а компьютер печатает за вас.

⚙️ GitHub/Инструкция

#python #github #soft

⚡️ Обновленный Avito Parser — инструмент с открытым исходным кодом, который автоматически отслеживает объявления на Авито, собирает информацию и отправляет уведомления в Telegram или ВКонтакте.

Особенно полезен тем, кто ищет автомобили, технику, недвижимость или выгодные предложения для перепродажи.

Что умеет:
🔣 Мониторинг объявлений — регулярно проверяет заданные поисковые запросы и находит новые предложения.
🔣 Отслеживание цен — сообщает об изменениях стоимости уже найденных товаров.
🔣 Умные фильтры — поиск по ключевым словам, регионам, продавцам и времени публикации.
🔣 Уведомления — отправляет результаты в Telegram и VK, причём сразу нескольким получателям.
🔣 Экспорт в Excel — сохраняет объявления для анализа цен и предложений.
🔣 Дополнительные данные — собирает просмотры, фотографии, координаты и полные описания при соответствующих настройках.
🔣 Автоматизация — поддерживает прокси, фоновую работу, запуск на сервере и Docker.

💻 Установка и запуск
Windows — самый простой способ:
🟢Скачиваем архив из раздела Releases.
🟢Распаковываем и запускаем AvitoParser.exe.
🟢Добавляем ссылку на поиск Авито, задаём фильтры и уведомления.
🟢Нажимаем «Старт».

😰 Через Python (Windows / Linux / macOS):
Потребуется Python 3.11+.

git clone https://github.com/Duff89/parser_avito.git
cd parser_avito
pip install -r requirements.txt
python AvitoParser.py

Для работы на сервере без графического интерфейса:

python parser_cls.py

⚙️ Как пользоваться
Открываем Авито, настраиваем поиск нужного товара и копируем ссылку с фильтрами в парсер. Затем задаём периодичность проверки, при необходимости подключаем Telegram или VK и запускаем мониторинг.

Теперь программа будет самостоятельно проверять предложения, пропускать уже обработанные объявления и сохранять результаты.

Инструмент можно оставить работать на сервере и получать уведомления, даже когда компьютер выключен.

🔗GitHub/Инструкция

👇 Сохраняем, пригодится! Готовый код парсера в архиве.

#python #soft #code

⚡️ Нейросеть теперь сама рисует обучающие видео, озвучивает их и монтирует — достаточно одной строчки текста!

Вам явно попадались такие рисованные видео с различными тематиками собирающие сотни тысяч просмотров.

Animator — инструмент, который превращает обычный текстовый запрос в полноценный видеоролик с рисованными объяснениями, словно преподаватель рисует схемы маркером на доске.

К примеру пишем: «Почему самолёты летают?» — и получаем готовый MP4 с иллюстрациями, анимацией и закадровым голосом.

Как работает:
🔣 Gemini придумывает сценарий — разбивает тему на сцены и отдельные смысловые блоки.
🔣 Генерирует иллюстрации — схемы, рисунки, подписи и другие элементы на белой доске.
🔣 Создаёт озвучку — текст превращается в речь с помощью Gemini TTS.
🔣 Синхронизирует рисунки с голосом — элементы появляются именно тогда, когда диктор начинает о них рассказывать.
🔣 Собирает готовое видео — локальный движок анимирует рисование и экспортирует результат в MP4.

Ролик из 4–5 сцен генерируется примерно за минуту. Для локальной анимации видеокарта не нужна!

⚙️ Установка
Потребуются Python 3.10+, FFmpeg и API-ключ Gemini.

git clone https://github.com/ashishjamarkattel/Animator.git
cd Animator

python -m venv .venv

Активируем окружение:

Linux / macOS:

source .venv/bin/activate

Windows PowerShell:

.\.venv\Scripts\Activate.ps1

Устанавливаем зависимости:

pip install -r requirements.txt

Создаём файл .env на основе env.example и добавляем туда свой GEMINI_API_KEY.

▶️ Использование
Создаём видео про фотосинтез:

python -m animator --prompt "How photosynthesis works" -o photosynthesis.mp4

Или задаём количество сцен и качество:

python -m animator --prompt "How do planes fly?" --scenes 5 --quality high -o plane.mp4

А ещё можно анимировать собственные картинки — даже без Gemini API!

python -m animator scene.png --duration 8 -o scene.mp4

🔥 Где пригодится: обучающие ролики, объяснение сложных тем, презентации, видеоуроки и контент для социальных сетей.

В репозитории уже есть примеры про фотосинтез, аэродинамику и знаменитую формулу Эйнштейна — по словам автора, без единой ручной правки.

По сути, теперь для создания рисованного образовательного ролика достаточно идеи, Python и Gemini.

♎️ GitHub/Инструкция

Сохраняем! 👍

#python #soft #github

⌨️ Нейросеть теперь может работать за целый SMM-отдел — сохраняйте 17 готовых навыков для ИИ-агентов.

Social Media Skills — держите бесплатный набор инструментов, который превращает Claude или Codex в помощника по созданию и продвижению контента.

Здесь целая система специализированных навыков.

Что умеет:
💬 Писать в твоём стиле — анализирует примеры публикаций, запоминает манеру общения и помогает создавать новые посты без типичного нейросетевого канцелярита.
💬 Придумывать цепляющие заголовки — предлагает 6 вариантов захода, чтобы зацепить читателя с первых секунд.
💬 Создавать сценарии Reels — помогает разбирать референсы и писать сценарии коротких видео.
💬 Готовить превью для YouTube — превращает название ролика в подробный промпт для генерации обложки.
💬 Анализировать публикации — оценивает посты, работает с историей контента и помогает разбирать статистику LinkedIn.
💬 Искать актуальные темы — собирает свежие инфоповоды за последние 7 дней при наличии доступа к источникам.
💬 Планировать контент — генерирует десятки идей, помогает оформлять посты, карусели, инфографику и закреплённые комментарии.

⚙️ Как установить?
Для Claude Code достаточно двух команд:

/plugin marketplace add charlie947/social-media-skills
/plugin install social-media-skills

Для Codex можно установить нужные навыки через встроенный skill-installer.

▶️ Как пользоваться?
После установки просто ставим задачу агенту:
➖ «Проанализируй мои последние посты и научись писать в моём стиле».
➖ «Придумай 30 тем для публикаций про Python и нейросети».
➖ «Напиши 6 цепляющих заголовков для этой новости».
➖ «Подготовь сценарий короткого видео и идею превью».

⚡️ Самое интересное: навыки можно комбинировать. Сначала ИИ изучает твой стиль, затем подбирает темы, пишет публикации и помогает оценивать результат.

♎️ GitHub/Инструкция

📁 Сохраняем

🔞 Лайф | 📲 Зеркало Max

#python #soft #github

🔥 Open Source Face Recognition SDK — инструмент, который позволяет находить лица на фотографиях, анализировать их особенности и сравнивать между собой.

Причём всё работает локально, без отправки фотографий на сторонние серверы!

Что умеет:

👤 Находить лица — обнаруживает сразу несколько человек на одном изображении и определяет координаты каждого лица.
🔍 Сравнивать фотографии — вычисляет процент сходства двух лиц, помогая определить, изображён ли на них один человек.
🧠 Анализировать черты лица — определяет ключевые точки и создаёт числовой биометрический вектор (*embedding*).
🔒 Работать без облака — обработка выполняется непосредственно на вашем компьютере.
⚡ Запускаться без видеокарты — поддерживает CPU, отдельный GPU не обязателен.
🐍 Интегрироваться с Python — подходит для собственных приложений, систем контроля доступа и компьютерного зрения.

⚙️ Установка
Понадобятся Python 3.9+ и Windows или Linux.

git clone https://github.com/Faceplugin-ltd/Open-Source-Face-Recognition-SDK.git
cd Open-Source-Face-Recognition-SDK

conda create -n facesdk python=3.9
conda activate facesdk

pip install -r requirements.txt
python run.py

▶️ Пример сравнения лиц

# Compare two images
image1 = "test/1.jpg"
image2 = "test/2.png"

# Get face information from both images
faces1 = face_sdk.GetImageInfo(image1, faceMaxCount=1)
faces2 = face_sdk.GetImageInfo(image2, faceMaxCount=1)

if faces1 and faces2:
    # Compare the first face from each image
    similarity = face_sdk.get_similarity(faces1[0]['embedding'], faces2[0]['embedding'])
    print(f"Similarity: {similarity}%")
    
    # Check if it's the same person (threshold = 75)
    is_same_person = similarity >= 75
    print(f"Same person: {is_same_person}")

Где пригодится?
🔣 Создание собственного приложения для распознавания лиц.
🔣 Сравнение фотографий и поиск совпадений.
🔣 Прототип системы доступа по лицу.
🔣 Эксперименты с биометрией и компьютерным зрением.

🚀 Забираем, сохраняйте в закладки

#python #soft #github

😬 Нейросеть, которая может спасти жизнь пожилому человеку — бесплатный Python-проект для круглосуточного наблюдения!

Представьте: пациент находится один в больничной палате или дома. Он внезапно теряет равновесие и падает. Рядом никого нет, а каждая минута без помощи может иметь значение.

Именно для таких ситуаций разрабатываются системы автоматического обнаружения падений. Они позволяют отслеживать опасные движения через камеру и предупреждать персонал о возможном происшествии.

💻 Real-Time Person & Elderly Fall Detection System — бесплатный Python проект, который использует компьютерное зрение для распознавания падений в реальном времени.

Система даже способна анализировать положение человека, даже если часть его тела скрыта мебелью!

Что умеет:
👁 Круглосуточное наблюдение — может непрерывно анализировать видеопоток с камеры, помогая следить за безопасностью пожилых людей.
🦴 Распознавание скрытых частей тела — алгоритм оценивает положение коленей, лодыжек и других суставов, даже когда их не видно за кроватью, диваном или столом.
🚨 Обнаружение опасных падений — анализирует положение тела, скорость движения и резкие изменения позы.
❌Меньше ложных тревог — пытается отличать настоящее падение от обычных действий: человек присел, наклонился или лёг отдохнуть.
⚡️Работа на обычном процессоре — для базового запуска не обязательно покупать дорогую видеокарту.
🔐 Локальная обработка — видеопоток анализируется на компьютере, без обязательной отправки записей в облако.

⚙️ Установка

Понадобится Python и веб-камера либо готовый видеофайл.

git clone https://github.com/AwaisShah75/Real-Time-Person-Elderly-Fall-Detection-System.git

cd Real-Time-Person-Elderly-Fall-Detection-System

pip install -r requirements.txt

python run.py

На Windows также можно воспользоваться файлом run.bat.

🚀 Как пользоваться?

После запуска появится меню:

- 1 — наблюдение через веб-камеру.
- 2 — анализ готового видео.
- 3 — демонстрация падения с частично скрытым человеком.
- 4 — выход.

Можно запустить систему напрямую.

🎥 Анализ изображения с веб-камеры:

python fall_detection_all_in_one.py --source 0 --show

📹 Проверка готового видео:

python fall_detection_all_in_one.py --source video.mp4 --show --save result.mp4

Подобные технологии особенно востребованы в больницах, домах престарелых, реабилитационных центрах и при домашнем уходе.

🔗 GitHub/Инструкция

Сохраняем! 👍

#python #soft #github

💀 ПУ-ПУ-ПУ... Вайбкодеры — АХУТНГ! КАЖДЫЙ ПЯТЫЙ ИИ-СКИЛЛ ОКАЗАЛСЯ ВРЕДОНОСНЫМ!

Пока разработчики радостно устанавливают новые навыки для Claude Code, Codex и других ИИ-агентов, злоумышленники научились прятать в них настоящие ловушки.

🦠 Специалисты VirusTotal проверили почти 36 000 скиллов и обнаружили 6 637 вредоносных! Это около 18,5% от всей исследованной выборки.

Как хакеры обманывают нейросети?
⚪️ Прячут команды прямо в SKILL.md — под видом обычной документации.
⚪️ Добавляют сотни пустых строк, чтобы опасная инструкция оказалась далеко за пределами видимого текста.
⚪️ Используют HTML-комментарии, которые не отображаются при обычном просмотре Markdown на GitHub.
⚪️ Маскируют команды невидимыми Unicode-символами.
⚪️ Заставляют агентов незаметно передавать API-ключи, токены и другие конфиденциальные данные.

🔐 Прежде чем что-то устанавливать, обязательно проверяйте.

SkillSpector — бесплатный open-source сканер от NVIDIA, который проверяет навыки ИИ-агентов до установки и ищет:

🟢 Промпт-инъекции и скрытые команды.
🟢 Попытки кражи токенов, паролей и API-ключей.
🟢 Подозрительные скрипты и зависимости.
🟢 Опасные разрешения и попытки повышения привилегий.
🟢 Манипуляции поведением ИИ-агента.

71 паттерн угроз в 17 категориях. После проверки инструмент выставляет оценку риска от 0 до 100 и сообщает, стоит ли устанавливать скилл.

Работает с GitHub-репозиториями, ZIP-архивами, отдельными файлами и папками. Поддерживает статический анализ и дополнительную проверку с помощью LLM.

⌨️ Вайбкодерам обязательно к сохранению.

#python #soft #нейросеть

🔥 500+ шпаргалок по машинному обучению на РУССКОМ, настоящая энциклопедия для ML-разработчиков!

MLCheatSheets — бесплатная коллекция из 500+ шпаргалок по Machine Learning и Deep Learning, собранную в полноценный образовательный курс.

Внутри:
🔣Основы машинного обучения — регрессия, классификация, кластеризация, деревья решений, Random Forest, SVM.
🔣Нейросети и Deep Learning — от базовых архитектур до трансформеров и генеративных моделей.
🔣Работа с данными — NumPy, Pandas, предобработка, очистка данных и Feature Engineering.
🔣Продвинутые алгоритмы — XGBoost, CatBoost, LightGBM, PCA, оптимизация гиперпараметров.
🔣Практический ML — метрики качества, переобучение, интерпретация моделей, SHAP, MLOps и развёртывание.
🔣Computer Vision, NLP и временные ряды — отдельные направления для дальнейшего изучения.

Каждая шпаргалка — это не просто сухая теория.
Внутри математические формулы, объяснения алгоритмов, примеры на Python, диаграммы, визуализации и рекомендации по применению.

Есть даже готовые маршруты обучения:
🌱 Новичок — путь от основ Python до классического ML.
🧠 Deep Learning — погружение в нейросети, трансформеры и генеративные модели.
💼 ML Engineer — подготовка к практической работе с моделями, MLOps и production.

Есть упражнения с решениями, интерактивные материалы и анимации для понимания сложных алгоритмов.

💻 Как пользоваться?
Просто открывайте нужный раздел на GitHub и изучайте материалы прямо в браузере — ничего устанавливать не требуется.

⬇️ Если хотите скачать всё себе:

git clone https://github.com/gurovic/MLCheatSheets.git
cd MLCheatSheets

▶️ Для практических упражнений:

# Установите зависимости для упражнений
pip install -r requirements.txt

# (Опционально) Для работы с анимациями
pip install -r animations/requirements.txt

🔥 Идеально для студентов, Python-разработчиков, начинающих ML-инженеров и тех, кто готовится к техническим собеседованиям.

⭐️Сохраняйте находку!

#cheatsheet #python #нейросеть

⚡️ Нейросетям теперь можно дать ЛИЦО — всего за 5 строк Python!

OpenSpline — open-source инструмент, который превращает обычную фотографию в говорящего ИИ-аватара в реальном времени.

Загружаете портрет, подключаете голосового ИИ — и получаете виртуального собеседника, который двигается, говорит и синхронизирует губы с речью!

Что умеет:
💬 Оживляет фотографии и создаёт говорящих аватаров.
💬 Синхронизирует движения губ с генерируемой речью.
💬 Поддерживает Python и Node.js.
💬 Позволяет встроить аватара в сайт или приложение.
💬 Поддерживает прерывание речи — можно перебить ИИ во время разговора.
💬 Предлагает облачный режим для тех, у кого нет мощной видеокарты.

⚙️ Установка на Linux / WSL2 с NVIDIA GPU:

curl -fsSL https://raw.githubusercontent.com/openspline/openspline/main/install.sh | sh

▶️ Запускаем локальный сервер:

sh ~/.local/share/openspline/run.sh

Открываем http://localhost:7860 — появится интерфейс демонстрации.

🐍 Подключаем Python:

pip install openspline

💀 Пример интеграции с голосовым ИИ:

from openspline import Openspline

client = Openspline()

async with client.avatar(
    "portrait.jpg",
    quality="low"
) as avatar:
    print(avatar.viewer_url)

    await avatar.stream(
        agent.audio_stream(),
        sample_rate=24000
    )

portrait.jpg — фотография будущего аватара, а agent.audio_stream() — поток звука от вашего голосового ИИ.

💡 Где пригодится?

Можно сделать виртуального преподавателя Python, говорящего персонажа для сайта, ИИ-консультанта интернет-магазина или цифрового ведущего, который общается с пользователями в реальном времени.

♎️ GitHub/Инструкция

#python #soft