📦 PDF-Extract-Kit — инструмент, который превращает хаотичные PDF в аккуратные структурированные данные.

🧾 Вытаскивает таблицы в нормальный табличный формат.
🔢 Отдельно извлекает цифры, поля, блоки.
📝 Парсит текст с сохранением структуры.
📊 Работает даже с «кривыми» сканами и сложной вёрсткой.
🧠 Понимает layout документа, а не просто OCR-ит его.

По сути — превращает PDF в чистые JSON / структурированные данные для дальнейшей обработки.

Где пригодится:

🟢Студенты
Быстро вытаскивают таблицы, цитаты и списки литературы из научных статей.
🟢Офис/фриланс
Счета, договоры, акты, анкеты — вместо ручного копирования получаешь структурированные данные.
🟢Аналитика
Можно автоматически забирать цифры из отчётов и загружать в свои системы.

💬 Прогнал через модель и получил чистую структуру.

⬇️ Сохраняем и пробуем

#python #soft #github

⚡️ Fara-7B — компактную агентная модель от Microsoft, которая не просто «болтает», а управляет браузером как человек.

Это не чат-бот.
Это Computer Use Agent.

🖱 Что умеет:

➡️ Видит веб-страницу визуально.
➡️ Скроллит.
➡️ Кликает по координатам.
➡️ Вводит текст.
➡️ Выполняет многошаговые задачи.

Без accessibility tree, без костылей, без отдельного парсинга DOM — модель работает через визуальное восприятие интерфейса!


💻 Можно автоматизировать:

💬 Поиск и резюмирование информации.
💬 Заполнение форм.
💬 Покупки и сравнение цен.
💬 Бронирование билетов и ресторанов.
💬 Поиск вакансий и недвижимости.

По сути — это автономный браузерный ассистент.

🟢Установка:

git clone https://github.com/microsoft/fara.git
cd fara

🟢Создаёшь окружение:

python3 -m venv .venv
source .venv/bin/activate
pip install -e .[vllm]
playwright install

🟢Запускаешь модель:

vllm serve "microsoft/Fara-7B" --port 5000 --dtype auto

🟢И тестируешь:

fara-cli --task "whats the weather in new york now"

Можно подключить к Magentic-UI и управлять через графический интерфейс.

⚠️ На Windows лучше использовать WSL2.
⚠️ Если не хватает памяти — добавь --tensor-parallel-size 2.

♎️ GitHub/Инструкция

#python #soft #github

📞 pytgcalls — библиотека для работы с голосовыми чатами Telegram через Python

Позволяет управлять звонками и голосовыми чатами от имени бота или юзербота и легко встраивать эти функции в свои проекты.

Работает с популярными MTProto-клиентами:
Pyrogram, Telethon и Hydrogram, поэтому можно использовать любую удобную основу.

Что умеет:
🟢подключаться к голосовым чатам в группах и каналах,
🟢заходить в чат от имени пользователя или канала,
🟢управлять звуком — включать/выключать микрофон,
🟢ставить воспроизведение на паузу и возобновлять,
🟢запускать и останавливать аудио,
🟢регулировать громкость.

😰 Простой пример использования

from pytgcalls import PyTgCalls
from pytgcalls import idle
...
chat_id = -1001185324811
app = PyTgCalls(client)
app.start()
app.play(
    chat_id,
    'http://docs.evostream.com/sample_content/assets/sintel1m720p.mp4',
)
idle()

Также есть готовые сборки для:
🍏 macOS,
🐧Linux,
🪟 Windows,

что упрощает установку и запуск на разных платформах.

♎️ GitHub/Инструкция

#python #soft #github

📸 restorePhotos — ИИ-сервис, который умеет восстанавливать старые и повреждённые фотографии с лицами.

Работает на базе модели GFPGAN, которая специально обучена реконструировать человеческие лица на снимках.

Что делает нейросеть:
🟢дорисовывает недостающие детали лица,
🟢убирает шум и артефакты,
🟢повышает резкость,
🟢восстанавливает размытые или повреждённые портреты.

В результате старые снимки буквально получают вторую жизнь.

⚙️ Пользоваться очень просто:
1. Загружаете старую фотографию.
2. Нейросеть анализирует лицо на изображении.
3. Через несколько секунд получаете восстановленную версию.

Проект полностью открытый. При желании можно развернуть локально на своём компьютере.

Инструмент отлично подходит для:
💬 восстановления семейных архивов,
💬 улучшения старых портретов,
💬 обработки размытых или повреждённых фото.

👉 Сохраняем и пробуем бесплатно ТУТ

😁 Лайв | 📲 Max

#soft #nn #нейросеть #github

💻 Wi-Fi превратили в радар: на GitHub выложили систему, которая «видит» людей через стены и даже считывает пульс

RuView — необычный open-source проект. Система, которая использует обычные Wi-Fi-сигналы как сенсор для отслеживания людей в помещении.

Алгоритм анализирует отражения Wi-Fi-сигналов от человеческого тела и по изменению этих волн восстанавливает то, что происходит в комнате — даже если человека не видно напрямую.

Что умеет система:
💬 отслеживает 17 ключевых точек позы тел;
💬 фиксирует дыхание (примерно 6–30 вдохов в минуту);
💬 измеряет пульс на расстоянии (около 40–120 BPM);
💬 может обнаруживать людей через стены, мебель и завалы на дистанции до ~5 метров;
💬 поддерживает отслеживание нескольких человек одновременно.

⚙️ Работает это так: Wi-Fi-сигналы отражаются от тела человека и немного меняются из-за:
🟢микродвижений,
🟢дыхания
🟢или сердцебиения.
Алгоритм анализирует эти изменения и восстанавливает модель происходящего в пространстве.

Кроме экспериментов, у технологии есть и практическое применение: например, поиск людей под завалами после катастроф, когда нужно определить, есть ли признаки жизни и где именно находится человек.

Проект полностью open-source, код доступен на GitHub.

♎️ GitHub/Инструкция

#soft #github