大家好，今天繼續聊聊科技圈發生的那些事。
一、manga-image-translator
當你作為一名資深二次元，跑遍了論壇，求遍了群友，終於，找到了一份期待已久的漫畫資源。
嗯，畫面和之前看到的切片差不多，可就是哪不對..
生肉？！可沒人說看個漫畫還得精通語言啊！看不懂，咋辦？
於是，manga-image-translator來了。
正如其名，manga 即日語的漫畫， manga-image-translator 是一款開源的影像翻譯器，上傳圖片，它能夠識別影像中的文字部分，並將其翻譯成你想要的語種。
OCR（Optical Character Recognition），光學字元識別技術。基於這項技術， manga-image-translator 可以透過亮-暗檢測的模式，精準的提取出圖片中的文字，將其轉換成可處理的資料。
manga-image-translator 接入了很多翻譯器，將OCR提取出的文字進行翻譯。
此外，manga-image-translator 還有去除文字氣泡裡面內容的功能，方便後續進行編輯美化。當然，在進行文字去除後，manga-image-translator 還會對餘下的氣泡部分進行修復，保證了檢視的美觀和完整。
專案地址：
https://github.com/zyddnys/manga-image-translator
目前專案已經開源，支援命令列執行和Web伺服器執行兩種模式。感興趣的小夥伴可以自己試一試。
想必，開發團隊中難免少不了幾個紳士吧。
二、screenshot-to-code
一款將螢幕截圖轉換成程式碼的開源工具。
透過擷取螢幕影像，screen-to-shot 工具可以識別出程式碼的頁面佈局，生成HTML、CSS、Javascript 等常用的程式碼，同時還能預覽程式碼實現的效果。
透過這個功能，似乎就像是 screen-to-shot 幫我們戴上一副透視眼鏡。僅僅根據截圖，我們就能透過影像，直接看到背後的程式碼結構。當然，這背後的工作仍然要交給 AI 。
我們嘗試將 Taylor Swift 的 Instagram 個人主頁截圖下來，並將其上傳給 screen-to-shot。
可以看到， screen-to-shot 在很短的時間內就生成了新程式碼，將 Taylor 的主頁以很高的還原度“複製”了下來。
對於 NYTimes 的新聞， screenshot-to-code 也有不錯的表現。
單看這兩個示例，我們可以發現，拋開選用的影像，只談頁面佈局的話，說不上是一模一樣，但 screen-to-shot 至少能給出相似且舒服的程式碼，實現類似的佈局效果。
在專案的主頁上，作者團隊宣告使用了以下的AI大模型：
-
GPT4-Vision -
Claude 3 Sonnet -
DALL-E
工具主要使用 GPT4-Vision 生成程式碼，而 Claude 3 Sonnet 用於輔助（在某些輸入情況下，它比 GPT4-Vision 效能更好），並使用 DALL-E 生成影像。
目前 screenshot-to-code 有兩種使用方式。一種是在作者團隊的網站上線上使用，需要付費。
地址：https://screenshottocode.com
另一種是本地部署。
專案地址：
https://github.com/abi/screenshot-to-code
除了上傳截圖生成程式碼外，工具同樣支援輸入網頁URL線上獲取截圖。專案已開源，可以自己部署進行體驗。
三、OMG
國產團隊開發的專案。簡單來說，就是可以支援換臉生成。
OMG 支援 civitai.com 上的角色和風格 LoRA 。它還可以與 InstantID 組合用於多個 ID ，每個 ID 使用一個影像。
我們可以來看看作者團隊給出的四種示例。
OMG + LoRA
LoRA 是 Stable Diffusion 模型的外掛網路，在 SD 模型的基礎上進行精細的微調。
OMG + InstantID
InstantID 的特點，就是可以在保持高保真度的同時，支援各種不同風格的影像生成。它能夠根據一張人臉影像，生成多種風格的影像。
OMG + ControlNet
同樣是 SD 模型的外掛之一。可以輸入一些調節影像指導影像的生成，在幾種不同的方法下控制圖片的佈局，例如邊緣圖、深度圖、分割圖、法線圖等等。
OMG + style LoRAs
更換了幾種不同的風格。
專案地址：
https://github.com/kongzhecn/omg
專案已經開源，可以根據自己的需要，自由選擇想要的方法進行體驗。
·················END·················
關鍵詞
模型
影像
漫畫
文字
風格