2024.4-月度GitHub仓库榜

type

status

date

slug

summary

📝 仓库介绍

1.tangly1024 / NotionNext

NotionNext是一个依托于Notion API和Next.js框架开发的静态博客系统。这个系统特别设计给喜欢使用Notion进行内容管理的创作者，可以让他们无需复杂的服务器配置即可快速部署个人或商业网站。系统支持多种部署方案，如Vercel，且完全开源，使用MIT许可证。主要使用场景有个人博客、项目展示、知识库、教育资料站点等，主要特点包括：

无服务器部署：借助于静态网站的特性，NotionNext不需要服务器支持，可以部署在多种静态网站托管服务上。

简化的内容管理：所有的文章和内容直接在Notion中管理，无需学习新的内容管理系统。

自动同步：通过Notion API，网站内容将自动与Notion中的笔记同步更新。

SEO优化：基于Next.js，NotionNext提供服务端渲染，有助于搜索引擎优化，使网站更容易被搜索引擎收录和索引。

多主题支持：提供多种主题选择，用户可以根据个人喜好或网站需求选择合适的主题风格。

那么如何搭建呢？作者提供了非常详细的部署教程，所以不用我多说咧。哦，提前准备好GitHub、Vercel和Notion的账号，最好用Google邮箱注册。你还要准备一个域名，国内常见的域名购买源有腾讯云、阿里云等，而项目作者比较推荐Namesilo购买源。

通过个人博客有多种方法获得盈利，这主要取决于博客内容、受众以及营销策略。常见的方式有：

广告收入：通过在博客上放置广告来赚钱是最直接的方式之一。Google AdSense或其他广告网络可以根据点击率或展示次数来赚取广告费。

联盟营销：推广其他公司的产品或服务，并通过推广链接获得销售佣金。

出售数字产品：创作并销售电子书、视频教程、在线课程或软件等数字产品。

付费会员内容：通过设立会员制度，适合能提供专业知识或独特资源的博客。

服务与咨询：在某领域具备专业知识的情况下（或借助AI），通过博客提供专业咨询服务或其他服务。

赞助内容：与品牌合作，为其产品或服务撰写推广性质的文章，文章需要标明为赞助或推广内容。

物品销售：如果你有实体产品或手工艺品，可以通过博客来展示和销售这些产品。

必须注意的是，运营个人博客时，我们要严格遵守相关法律规定，如《中华人民共和国广告法》、《中华人民共和国网络安全法》和《中华人民共和国民法典》等。

站点验证、绑定站点的方法项目作者在其提供的教程文档里有详细说明，这样搜索引擎才能搜索到你个人博客。

2.Comfyanonymous / ComfyUI

ComfyUI是一个多功能和模块化的稳定扩散GUI，具有图形/节点接口。它使用户能够设计和运行先进的稳定扩散工作流程，而无需任何编码。使ComfyUI脱颖而出的一些关键功能包括：

节点/图形/流程图接口：对于那些希望利用稳定扩散技术的非技术用户，您可以实验并创建复杂的稳定扩散工作流程，而不需要编写任何代码。ComfyUI完全支持x、SD2.x版本。

简易界面构造器：ComfyUI也可以作为一个易于使用的界面构造器，使任何人都可以直接从他们的网络浏览器创建、原型和测试网络界面，也无需任何编程需求。

自动检测缺失文件：该平台会自动安装自定义节点、缺失的模型文件等等。此外，由ComfyUI导出的工作流程可以被任何人零设置运行。

基于节点的交互：ComfyUI的图形和节点接口使得构建稳定扩散工作流程，链接模型、提示和其他节点非常简单。

ComfyUI的工作流程是基于图形节点编辑器的，通过拖拽各种节点到画布上，连接节点之间的关系，从而构建一个从加载模型到生成图像的流程。每个节点代表一个与Stable Diffusion相关的模型或功能，节点之间通过连线传递图片信息。此流程始于加载模型节点，负责加载预先训练好的Stable Diffusion模型。ComfyUI作为一个节点式的stable diffusion AI绘画工具，将stable diffusion的流程拆分成节点，实现了更加自由的工作流定制。所谓Workflow工作流，在ComfyUI这里就是它的节点结构及数据流运转过程。

ComfyUI的设计理念是使任何用户都能方便地利用深度学习技术来创建图像，而无需编写代码。尽管它是基于stable diffusion建立的，但并不仅限于这种模型。实际上，ComfyUI提供了一种用户友好的界面，能够加载和使用各种不同的模型，包括但不限于由深度学习算法生成的模型。这就意味着，除了支持Stable Diffusion模型之外，ComfyUI还可能解释和利用各种其他的深度学习模型。具体支持哪些模型，取决于ComfyUI的开发者和用户社区提供的模型。我们可以在ComfyUI subreddit上找到更多资源和社区讨论。

可以看到，界面真的非常优雅，体现了这个工作流的具体运作方式及顺序。你可以自由拖动模块，布局出自己最喜欢的界面，并保存界面配置。 Stable Diffusion的各种模型可以从https://civitai.com/下载，下载你需要的模型并放到正确路径。正向和负向提示词，还有各种SD使用方法，可以直接在B站搜索教程，播放量高的合辑基本比较靠谱，也能让你学到东西，未必要花钱买SD课程。本人主张，想初步了解AI，无论是Stable Diffusion还是大语音模型等等，请耐心阅读它们的技术报告及相关论文，关注更多AI前沿领域资讯，阅读前沿开发者博客（比如Sam Altman的博客）；如果想深入了解并当上开发者，那你需要扎实的相关专业领域的知识……呃，平常也可以多上GitHub、Reddit逛逛，或者加一些技术交流的群聊（GitHub一些项目的页面会提供交流群的码），让每天几千条消息轰炸你。

3.ultralytics / yolov5

为什么分享这个项目呢？起初是我看到有同学在研究某个卷积神经网络项目，其中他们在用YOLOv5做图片识别，这让我想起最近网络上有点小热度的表情识别，于是我对这个YOLOv5项目提起了一些兴趣，便从GitHub上将它克隆下来研究一下。

该项目自我介绍说，YOLOv5是世界上最受欢迎的视觉人工智能，代表着 Ultralytics 对未来视觉人工智能方法的开源研究，融合了经过数千小时的研究和开发所获得的经验教训和最佳实践。

搬运运行项目的步骤（是的，没什么需要我自己说的，看文档就是了）：

step1 安装Ultrytics，Ultrytics是赋予人们和公司释放AI的积极潜力，它主要提供了图像尺寸调整、随机裁剪、色彩变换、旋转和翻转等丰富的数据处理和增强功能，可以让模型栩栩如生。

step2 克隆项目及安装依赖库，需要Python>=3.8.0：

step3 推理，有两种方式：

使用YOLOv5 PyTorch Hub推断，模型会自动从最新版本的YOLOv5下载。

用项目根目录下的py在各种来源上运行推断，从最新的yolov5版本自动下载模型，并保存结果来运行/检测。

step3 训练。下面的命令再现YOLOv5 COCO结果。模型和数据集自动从最新的YOLOv5版本下载。YOLOv5n/s/m/l/x在V100 GPU上的训练时间为1/2/4/6/8天（多GPU速度更快）。对于YOLOv5 AutoBatch，请尽可能使用最大的批处理大小，或通过批处理大小-1。显示了V100-16GB的批量大小。

由于我用的数据集是官方提供的，其数据预处理等步骤已经完成，我就不再展示那些步骤了，只展示部分推理结果（可以看到是完全正确的）：

4.ManimCommunity / manim

Manim (Mathematical Animation Engine)是一个用于创建数学动画的开源Python库。它的使用概况是在Python环境下，用LaTeX美化算法呈现，以及 matplotlib、numpy 来进行复杂的图形和数值运算，并借助Ffmpeg生成数学动画，本人非常推荐中学数学教师和学生使用该项目。在 Manim 中，动画是通过创建一系列的场景来创建的，每一个场景可能包含几个数学对象，如向量或函数，以及文本。这里我演示一个简单示例：

运行即可生成数学动画，一个圆形转化成一个蓝色的环扇形板：

将其善加利用，我们也可以做出更复杂有用的数学动画，不只是二维，三维空间也可以，而且可以让空间图像翻转。如果想学习数学动画制作，你可以参考：

1）官方文档：https://docs.manim.org.cn/cairo-backend/getting_started/index.html

2）在B站直接搜索“Manim教程”也可学习该项目的使用方法。

安装简述（“2）”顺序有出入没关系）：

用Conda创建虚拟Python环境，本人创建的是Python 3.10；

安装Ffmpeg，直接搜索并打开官网下载压缩包，解压后将“***\ffmpeg\bin”路径添加到环境变量中的系统变量的Path中；

激活你用Conda创建的虚拟Python环境，用pip安装manim、ffmpeg软件包，如果到时候跑代码缺少软件包报错，直接把缺少的软件包安装好就行了；

在PyCharm上新建一个项目，注意设置好Python解释器的路径（你用Conda创建虚拟Python环境路径），然后在该项目的目录下新建Python文件“***.py”，编辑这个Python文件，将我上面提供的示例代码复制进去，再运行测试~

5.RocketChat / Rocket.Chat

Rocket.Chat是一个基于JavaScript开发的开源、高度可定制的聊天平台。其主要功能包括群组聊天、直接通信、私聊群、桌面通知、媒体嵌入、链接预览、文件上传、语音/视频聊天等。此外，它还支持实时翻译功能，这一特性可以实现用户间的自动实时消息转换。

Rocket.Chat具有丰富的功能，还配有App端，可供企业内部使用。您可以自行部署这个服务，完全拥有一套供企业内部使用的聊天平台。这样操作后，所有数据都会保留在自己的服务器上，极高地保障了数据的安全性。

Rocket.Chat是基于MERN（MongoDB、Express、React、Node.js）的应用程序，适用于对数据保护有高标准的组织。此外，Rocket.Chat还提供实时聊天、文件共享、视频会议等协作功能，有效提升团队沟通效率。

我是参考作者提供的部署文档安装的，找到索引“Deploy -Deploy Rocket.Chat - Additional Deployment Methods - Deploy on Windows 10”，当然Windows 11也可以。听他操作即可：

下载并安装适用于 Windows 的 Docker；

基于此示例，创建一个命名为docker-compose.yml的文件；

在docker-compose.yml文件所在目录中执行下面的命令，等待服务器启动：

用您的浏览器访问http://localhost:3000以访问您的工作区。按照配置提示配置您的工作区。

我打开是这样滴！

一定有人非常想问我，明明有那么多便捷的聊天软件，你为什么还要推荐这个项目呢？是这样的，普通的聊天如微信QQ钉钉聊天，虽然也涉及隐私，但一般只是个人的隐私；如果是公司或组织的私密对话，就可以考虑这个支持在自己的服务器上部署的聊天项目。因为它是完全开源的，其所有源码可以供任何人检查，所以一般不会有任何风险。对了，我上面示例的不是个人服务器的部署噢。因为完全本地化部署我遇到了一些问题，就是完全按照仓库页面提供的安装方法操作（我确定没做错也没漏做），在Win11下无法安装依赖库，而在Linux Ubuntu下虽然能安装大部分依赖，但是也遇到一些问题，下图所示，无法在目标仓库找到某哈希值的提交。

但是说实话，我现在并没有多少时间来实践并解决这个问题……没有任何一天假期的那种——忙…… Emmm……所以先不去解决它了……

6.facebookresearch / audiocraft

在音频处理和生成的研究领域，AudioCraft项目无疑是一款具备深度学习能力的独特库。其中最显著的特性是拥有最新的EnCodec音频压缩器/分词器，以及MusicGen，一个具备文本和旋律调控的音乐生成语言模型。AudioCraft是一款基于PyTorch的库，专注于音频生成的深度学习研究。AudioCraft包含了两种创新人工智能生成模型的推理和训练代码，它们分别是AudioGen和MusicGen，能够生成高品质的音频。对于想安装使用AudioCraft的研究者或爱好者，首先需要确认机器已安装Python 3.9和PyTorch 2.0.0。然后，就可根据自身需要选择一款适合自己的安装模式，包括稳定版和开发版。此外，还建议用户安装ffmpeg。AudioCraft共有三个主要模型：MusicGen，AudioGen，和EnCodec，皆进行了训练和推理代码的提供。其中，MusicGen 是一个顶尖的可控制的文本至音乐模型，AudioGen 是一个出类拔萃的文本至声音模型，而EnCodec就是那个高保真的神经音频编码器。如果你在搜索音频深度学习的训练代码，AudioCraft可说是二次元乐园。它不仅包含了应用于音频研究的PyTorch组件，还有针对已经开发的模型的训练管道。对于如何制定你自己的训练管道，或者是如何复现现有工作和使用已经开发的训练管道，AudioCraft的训练文档都能为你提供准确的方向。总的来说，AudioCraft是一个为音频研究打造的、内容丰富的库。无论是你想将自己的语言转化为优美的音乐，或是想通过直观亲切的方式生成和控制声音，AudioCraft都能为你提供所需的工具和支持。

好嘞，好话讲完嘞，接下来我实话告诉你，audiocraft生成的音质有点差，而且无法生成人声，还会下载大量模型占满你的硬盘（应该不会超过100GB吧）……毕竟只是给你在电脑本地部署用的，当然是各方面都比不上Suno的，但是audiocraft能免费无限使用，这就挺好，生成音效供PPT或短视频使用，会比Suno方便，合理利用，也是能玩出花儿来的。

安装方法很简单，克隆该GitHub仓库项目到目录，打开项目文件夹“audiocraft”文件夹，再安装此项目的依赖。

然后安装torch和xformers，但是不同系统环境和python环境情况可能有所不同，所以根据报错再作一些必要调整，见招拆招吧。你也可以参考项目仓库页面的安装提示进行操作：

7.kovidgoyal / calibre

Calibre是一款完全免费且开源的电子书管理软件，支持Amazon、Apple、Bookeen、Ectaco、Endless Ideas、Google/HTC、Hanlin Song设备及格式，功能十分强大。

这个没什么好说的，它不是很绝，但是好在开源，写文介绍我就偷懒交给AI了（下载书籍个人建议去Z-Library）：

如果你是一个爱书之人，无论是浏览、收藏、还是管理电子书籍，你都不应该错过 calibre。作为一款充满力量的电子书管理工具，calibre可提供的功能远超出你的想象。

Calibre是一款自由开源的电子书软件套装，支持大多数的电子书格式，可以帮助你整理、存储、及以及管理电子书，同时也支持与众多流行的电子书阅读器进行同步，而且能在多个不同类型的平台上使用，包括Windows、macOS和Linux。

在calibre的帮助下，你可以轻松查看、转换、分类主流的电子书格式；同时它还能够连接多种电子书阅读器。更为出色的是，calibre可以在互联网上为你的电子书籍抓取元数据，也可以下载最新的报纸杂志并将其转换为便于阅读的电子书。

而如果你需要进行更多高级功能，例如转换电子书的格式或是以一种直观和友好的方式与你的电子书阅读器交互，calibre都能轻松完成。除此以外，calibre还附带了一系列实用的命令行工具，例如能够用来转换电子书格式的的ebook-convert命令。

总而言之，无论你是想要查看电子书，管理你的书籍资料库，或是进行各类与电子书相关的操作，calibre都能为你提供一站式方案。而最让人振奋的是，这样一款功能强大的工具，是完全免费的。

所以，如果你还未曾尝试过calibre，那么现在就是最好的时机。相信我，你会被它的强大功能所震撼，并会完全沉醉在这个前所未有的电子书海洋中。

这东西，应该……有点用吧！

8.krahets / hello-algo

学计算机和数学的UU快把眼睛瞪大了，瞧瞧这个项目，这是一个数据结构与算法教程。学习数据结构和算法是非常有必要的，主要是因为：

效率：合适的数据结构和算法能够让程序运行得更快，消耗更少的资源。例如，选择合适的排序算法可以极大地提高程序的排序效率;

问题解决能力：通过学习数据结构和算法，我们能更好地理解问题，并知道如何解决它。这会提高我们解决问题的能力和效率;

编程技巧：数据结构和算法不仅让我们知道了如何解决问题，同时也能提高我们的编程技巧;

面试：现在许多技术公司（如Google, Facebook等）在面试中都会涉及到数据结构和算法的问题。

《Hello 算法》是一本动画图解、一键运行的数据结构与算法教程，支持 Python, C++, Java, C#, Go, Swift, JS, TS, Dart, Rust, C, Zig 等语言。有网页版和PDF版，个人比较喜欢网页版，因为有程序可视化运行，非常绝！

这个教程是写得相当具体的，计算你觉得基本功已经会了，也可以读一读它，加深并巩固对一些基本算法的理解，比如二叉树的深度优先遍历（depth-first traversal），结合程序可视化运行，就让我比原先加深了理解：

不仅如此，这个教程还界面优美，符合大众审美，看着就赏心悦目！所以，难道你不想马上打开这个完全免费的教程学学看吗？

9.d2l-ai / d2l-zh

《动手学深度学习》：面向中文读者、能运行、可讨论。中英文版被70多个国家的500多所大学用于教学。《动手学深度学习》是一本专注于深度学习实践的书籍，书中提供了大量的实践示例，并给出了相应的代码实现，旨在帮助读者理解和掌握使用深度学习框架进行实际操作。这个仓库就是这本书的附属资源，包括书中涉及的全部代码，以及一些数据集等资源。除此之外，D2L.ai 还创建了其他若干与"动手学深度学习"相关的仓库，比如"d2l-zh-colab"和"d2l-zh-pytorch-colab"，分别用于提供适用于 Google Colab 的 Jupyter notebook 版本的代码，以支持基于云端的实验环境。