📱Arbalister.

Arbalister — это расширение для JupyterLab, которое позволяет двойным кликом открывать табличные файлы (Parquet, CSV, Avro, ORC, SQLite и другие Arrow‑совместимые форматы) прямо в интерфейсе без написания кода. Расширение состоит из серверной части на Python и клиентской на TypeScript, общающихся через Arrow IPC‑стримы.

🔹Основные возможности:

🔘Поддерживаемые форматы: Parquet, CSV, Avro, ORC, SQLite, Arrow IPC.

🔘Lazy loading: данные подгружаются чанками по мере прокрутки, поэтому можно смотреть файлы больше объёма памяти.

🔘Prefetching: заранее подгружает следующий чанк для плавного скролла.

🔘Настройки чтения: тулбар для выбора разделителя CSV, таблицы в SQLite и других опций.

🔘Расширяемость: сервер даёт Arrow‑стримы, на которых можно строить свои вьюеры.

🔻Установка:

pip install arbalister (требуется JupyterLab >= 4.5.0).

#JupyterLab #Arbalister #ApacheArrow #Parquet #SQLite #DataEngineering #DataScience #Python #QuantStack #OpenSource

📱Ссылка на репозиторий:
https://github.com/QuantStack/Arbalister

📱Win11toast.

Win11toast — это небольшая Python‑библиотека для нативных toast‑уведомлений в Windows 10/11 на базе WinRT. С её помощью можно за пару строк кода показать системный баннер с текстом, кнопками, прогресс‑баром, звуком, картинками и даже запуском скриптов по клику.

🔹Основные фичи:

🔘Простые уведомления: from win11toast import toast; toast('Hello Python🐍').

🔘Клик‑действия: открытие URL, запуск .pyw‑скрипта или свой callback, который получает аргументы клика.

🔘Кнопки и формы: одна или несколько кнопок, поля ввода, выбор из списка — можно собирать мини‑интерфейсы прямо в уведомлении.

🔘Прогресс‑бар: notify + update_progress для отображения прогресса задач (скачивание, бэкапы, длительные скрипты).

🔘Медиа и звук: иконки, изображения, системные или свои звуки, сценарии вроде alarm/reminder/incomingCall, режим «без тайм‑аута».

🔘Async и Jupyter: есть notify (не блокирует поток) и toast_async для использования в асинхронном коде и ноутбуках.

🔧Установка:
pip install win11toast.

#Python #Windows #win11toast #ToastNotification #Automation #WinRT #DevTools

📱Ссылка на репозиторий:
https://github.com/GitHub30/win11toast

📱QRT.

QRT (QR Transfer) — это экспериментальный протокол передачи данных «экран → камера», который кодирует полезную нагрузку в последовательность QR‑кодов, собирает их в видео и позволяет другой стороне восстановить исходное сообщение, просто сняв экран на камеру.

❓Что это даёт:

🔘Air‑gapped перенос данных: передача между машинами без сети, только через экран и камеру.

🔘Однонаправленный канал: удобно для односторонних выгрузок/импорта конфигураций или ключей (при этом протокол без шифрования, для чувствительных данных не подходит).

🔘Визуальный формат: видео с QR‑кодами можно записать, переслать и декодировать позже.

🔹Как устроен протокол:

Каждый QR — это «фрейм» с текстом формата QRT1|..., где QRT1 — магическое слово и версия.

🔘HDR‑кадр: метаданные с session_id, общим числом чанков, размером, кодировкой и CRC32 всего payload.

🔘DAT‑кадры: настоящие данные с порядковым номером, общим числом фреймов и CRC32 каждого чанка.

🔘END‑кадр: завершение с повторным CRC32 всей полезной нагрузки.

За счёт session_id, sequence‑номеров и checksum’ов протокол поддерживает восстановление при «перемешанных» кадрах и контролирует целостность.

🔻Скрипты: кодирование

Проект написан на Python и поставляется набором CLI‑утилит.

🔘generate_qr_video.py

✔️Принимает текст (либо генерирует Lorem Ipsum), режет на чанки и оборачивает в QRT‑фреймы.

✔️Для каждого фрейма создаёт QR‑картинку и собирает их в mp4 через ffmpeg.

✔️Параметры: --text, --paragraphs, --chunk-size, --fps, --resolution, --output.

🔘generate_qr_video_multistream.py

✔️Рисует сразу 1–12 QR‑кодов в кадре (grid 1x1, 2x2, 3x3, 4x3 и т.п.) для резкого роста пропускной способности — вплоть до 400x относительно одиночного потока.

✔️Опции: --streams (1–12), --chunk-size, --fps, --resolution, --output, --repeat (сколько раз повторять кадр для надёжности).

🔻Скрипты: декодирование

🔘decode_qr_video.py

✔️Разбирает видео через OpenCV, вытаскивает QR‑коды с помощью pyzbar, выбрасывает дубликаты и собирает payload по sequence‑номерам.

✔️Проверяет CRC32 каждого чанка и итогового сообщения, умеет работать в более «мягком» режиме --lenient.

🔘decode_realtime.py

✔️Реал‑тайм декодер с камеры: умеет показывать bbox’ы вокруг QR, подсвечивать тип фрейма (header/footer/ok/error) цветом и рисовать прогресс‑бар по сессии.

✔️Есть интерактивный выбор камеры, поддержка Continuity Camera на macOS, хоткеи q/r/s для выхода, сброса и сохранения результата.

🐱Запуск:

Требуются Python 3.10+, ffmpeg и библиотека zbar (на macOS ставятся через Homebrew).

🔘Создание окружения: python3 -m venv .venv && source .venv/bin/activate.

🔘Установка зависимостей: pip install -r requirements.txt.

🔘Быстрый старт: python src/generate_qr_video.py для генерации ролика и python src/decode_qr_video.py captured_video.mov для восстановления текста.

#QRT #QRCode #screen2camera #airgapped #Python #dataTransfer #protocol #ffmpeg #OpenCV

📱Ссылка на репозиторий:
https://github.com/smyrgeorge/qrt

📱ACE-Step 1.5.

ACE-Step 1.5 — открытая модель генерации музыки, которая по качеству подбирается к коммерческим сервисам (между Suno v4.5 и Suno v5), но работает локально и довольствуется <4 ГБ VRAM. Она генерирует треки длиной от 10 секунд до 10 минут, поддерживает 50+ языков.

В основе — гибридная архитектура: LLM выступает «композитором‑планировщиком», разворачивая короткий промпт в подробный план трека (структура, метаданные, текст, описания), а Diffusion Transformer (DiT) по этому плану синтезирует аудио.

🔹Ключевые возможности:

🔘Скорость и масштаб: генерация 10–600 секунд музыки, батч до 8 треков одновременно.

🔘Управление стилем: поддержка 1000+ инструментов и стилей, контроль длительности, BPM, тональности, размера, структуры, текста.

🔘Мульти‑режимы: text‑to‑music, cover‑генерация, локальный repaint/extend участков, разбиение на дорожки (stems), добавление слоёв как в Suno Studio, Vocal→BGM‑аккомпанемент.

🔘Анализ аудио: извлечение BPM, тональности, размера, автогенерация описаний и LRC‑таймингов для текста.

🔘Персонализация: обучение своих LoRA по 8 трекам примерно за час на 3090 (12 ГБ VRAM) прямо из Gradio‑интерфейса.

🔻Установка и запуск:

🔘Требования: Python 3.11–3.12, желательно GPU с CUDA (также есть режимы для MPS / ROCm / Intel XPU / CPU).

🔘Быстрый старт:
1) Установить uv.
2) git clone https://github.com/ACE-Step/ACE-Step-1.5.git && cd ACE-Step-1.5
3) uv sync
4) uv run acestep — поднимает Gradio UI, модели докачаются при первом запуске.
5) Для REST API вместо UI: uv run acestep-api (по умолчанию порт 8001).
🔘Для Windows есть готовый portable‑пакет с уже предустановленными зависимостями.

Под разные видеокарты предусмотрены варианты LM‑моделей от 0.6B до 4B параметров; UI сам подбирает оптимальную конфигурацию (модель, бэкенд, квантование, оффлоад) исходя из объёма VRAM. Лицензия MIT, так что модель можно встраивать в свои пайплайны, продукты и тулчейны для музыкантов, продюсеров и контент‑криэйторов.

#AI #MusicGen #AIMusic #ACEStep #Diffusion #LLM #LoRA #OpenSource #AudioAI #CUDA #AMD #MacOS #Python

📱Ссылка на репозиторий:
https://github.com/ace-step/ACE-Step-1.5

📱Zoocache.

Zoocache — это высокопроизводительная библиотека кеширования с ядром на Rust и обвязкой для Python, заточенная под сценарии, где важно одновременно и быстро читать, и строго соблюдать консистентность данных. В отличие от простых TTL‑кешей, она использует семантические зависимости и иерархическую инвалидацию, поэтому вы можете «убить» сразу целые группы связанных ключей (например, user:* или region:eu:*) одним вызовом.

🔹Ключевые фичи:

🔘Rust‑сердце: основная логика на Rust + PyO3 даёт низкую латентность и безопасную конкуррентность.

🔘Семантическая инвалидация: PrefixTrie позволяет мгновенно инвалидировать поддеревья ключей (invalidate("store:1") очищает всё store:1:*).

🔘Причинно‑следственная консистентность: встроенные Hybrid Logical Clocks (HLC) для согласованности в распределённых инсталляциях.

🔘Anti‑avalanch / SingleFlight: защита бэкенда от «стада бизонов» — параллельные одинаковые запросы схлопываются в один поход в базу.

🔘Умная сериализация: MsgPack + LZ4 используются прозрачно, уменьшая размер и ускоряя IO.

🔘Distributed cache: синхронизация узлов через Redis Pub/Sub, плюс защита от ошибок и «отравленных» мьютексов.

🔻Использование в коде максимально простое:

🔘Установка: pip install zoocache или uv add zoocache.

🔘Декоратор @cacheable + deps и add_deps() задают зависимости, а invalidate("user:123") гарантированно очищает все связанные кэши для этого пользователя.

🔘Для Django есть отдельные гайды: автоматическая интеграция с ORM, инвалидация по сигналам _save/_delete, учёт транзакций, авто‑зависимости по JOIN‑ам и поддержка Django REST Framework сериализаторов.

Zoocache особенно уместен там, где много сложных связей (каталоги, прайсинги, инвентарь, персонизация), высокая доля чтения и требуется строгий «сразу видно апдейт», а не «подождём, пока TTL протухнет».

#Python #Rust #Caching #Zoocache #Redis #Django #HighLoad #HLC #MsgPack #LZ4 #SingleFlight

📱Ссылка на репозиторий:
https://github.com/albertobadia/zoocache

📱Pycaniuse.

pycaniuse — это маленький CLI‑инструмент на Python, который позволяет спрашивать caniuse.com прямо из терминала: ввёл запрос — получил сводку по поддержке фич браузерами, без переключения в браузер.

🔹Основное:

🔘Обычный режим показывает компактный список основных браузеров со статусами: ✅ поддерживается, ❌ нет, ◐ частично, ⁖ неизвестно.

🔘Полноэкранный --full даёт интерактивное TUI: можно стрелками/hjkl листать браузеры и версии, вкладки с деталями, заметками и ресурсами.

🔘Умный поиск: если совпадение одно — выбирается автоматически; при нескольких в интерактивном TTY появится выбор, в неинтерактивном — детерминированно берётся первый матч.

🔘Парсит «живой» HTML caniuse.com (без локальной БД), поэтому всегда показывает актуальные данные по поддержке.

🐱Установка и примеры:

🔘Установка: pip install pycaniuse
🔘Примеры:
- caniuse flexbox
- caniuse "css grid"
- caniuse flexbox-gap --full

#Python #CLI #WebDev #CanIUse #BrowserCompatibility #Frontend #DeveloperTools

📱Ссылка на репозиторий:
https://github.com/viseshrp/pycaniuse

📱Silkworm-rs.

silkworm-rs — async‑first фреймворк для веб‑скрейпинга на Python с «двигателем» на Rust: HTTP‑клиент rnet (имперсонация браузера) + быстрый HTML‑парсер scraper-rs, минимальная модель Spider/Request/Response, middlewares и pipelines без тонны бойлерплейта. Он сразу даёт конкурентный движок с backpressure (очередь по умолчанию concurrency * 10), таймаутами на запрос, дедупликацией по URL и структурированным логгированием со статистикой по RPS, памяти, количеству URL и ошибок.

🔹Ключевые возможности:

🔘HTTP‑клиент с «маскарадом» под браузер, поддержкой редиректов с защитой от циклов, мерджем query‑параметров и прокси через request.meta["proxy"].

🔘Типизированные пауки и коллбэки, которые могут возвращать как items, так и новые Request; HTMLResponse даёт удобные селекторы (select, select_first) и response.follow() для переходов.

🔘Готовые middlewares: ротация User‑Agent, прокси, ретраи с экспоненциальным бэкоффом и «sleep‑кодами», гибкие задержки (фикс/рандом/функция), SkipNonHTMLMiddleware для отбрасывания не‑HTML.

🔘Богатый набор pipelines «из коробки»: JSONL, CSV, XML, SQLite, MsgPack, Polars/Parquet, Excel, YAML, Avro, куча БД (Postgres, MySQL, Mongo, Cassandra, DynamoDB, DuckDB и др.), S3, FTP/SFTP, Elasticsearch, Google Sheets, Snowflake, вебхуки и Taskiq‑очереди.

🔘Поддержка разных event loop’ов: стандартный asyncio (run_spider), uvloop на *nix, winloop на Windows и trio‑бэкенд (run_spider_trio) — для I/O‑bound задач это даёт 2–4x прирост.

🔘JavaScript‑страницы можно рендерить через экспериментальную интеграцию с Lightpanda/Chrome по CDP (fetch_html_cdp, CDPClient и spider‑примеры).

🚀Быстрый старт:

pip install silkworm-rs
# или (рекомендуется)
uv pip install --prerelease=allow silkworm-rs

Дальше — наследуете Spider, реализуете async def parse(...), yield’ите словари или Request, а run_spider(...) берёт на себя конкурентный движок, middleware’ы и выгрузку данных в нужные пайплайны.

#Python #Rust #WebScraping #AsyncIO #silkworm #rnet #scraperRS #DataEngineering #ETL #uvloop

📱Ссылка на репозиторий:
https://github.com/BitingSnakes/silkworm

📱Pointblank.

Pointblank — это Python‑библиотека для проверки качества табличных данных (Polars, Pandas, SQL/файлы через Ibis) с упором на удобство и понятные отчёты.

🔹Особенности:

🔘AI‑DraftValidation: LLM сам предлагает план проверок по вашему датасету — отличный старт без «пустого файла».

🔘Chainable API: читаемые цепочки .Validate(...).col_vals_...().interrogate() и интерактивные HTML‑отчёты.

🔘Пороги и алерты: warning/error/critical + действия (например, Slack‑уведомления) при проблемах с данными.

🔘YAML и CLI pb: храните правила в git и гоняйте валидацию в CI/CD одной командой.

🐱Установка:

pip install pointblank

#python #datavalidation #dataquality #pointblank #datascience #dataengineering

📱Ссылка на репозиторий:
https://github.com/posit-dev/pointblank

📱Oxyde ORM.

Oxyde ORM — асинхронный type‑safe ORM с Pydantic v2 и быстрым Rust‑ядром, сделанный в духе Django ORM, но с современным API и предсказуемым поведением.

🔹Особенности Oxyde:

🔘Django‑стиль: привычный User.objects.filter(...), аннотации полей и Meta‑класс для таблиц.

🔘Pydantic‑центричность: модели — полноценные Pydantic v2, с валидацией, тайпингом и удобной сериализацией.

🔘Rust‑производительность: генерация и выполнение SQL вынесены в Rust‑core (oxyde-core), что даёт высокий ops/sec в бенчмарках против популярных ORM.

🔘Async‑first: всё на asyncio, с поддержкой PostgreSQL, SQLite и MySQL, транзакций и nested transaction.atomic().

🔘Интеграция с FastAPI: готовый db.lifespan(...) для подключения БД на уровне приложения.

🔻Установка и быстрый старт:

pip install oxyde

from oxyde import Model, Field

class User(Model):
    id: int | None = Field(default=None, db_pk=True)
    name: str
    email: str = Field(db_unique=True)

#python #orm #asyncio #pydantic #rust #fastapi #postgresql #sqlite #mysql

📱Ссылка на репозиторий:
https://github.com/mr-fatalyst/oxyde

📱Tallyman.

Tallyman — это CLI‑утилита, которая показывает не только размер, но и «форму» вашего проекта: сколько строк кода, DevOps‑конфига, дизайна, документации, спецификаций и данных.

🔹Особенности Tallyman:

🔘Категории: Code, DevOps, Design, Docs, Specs, Data + «эффективные» строки (без комментариев и пустых строк).

🔘Понимает .gitignore, умеет интерактивно настроить исключения и spec‑директории, сохраняет конфиг в .tally-config.toml.

🔘Экспорт PNG‑карточки (--image / --image-light) с красивой сводкой для README, докладов и соцсетей.

🐱Установка и запуск:

uv tool install tallyman-metrics

tallyman            # текущая папка
tallyman --image    # PNG-карточка проекта

#python #cli #devtools #metrics #loc #tallyman #uv

📱Ссылка на репозиторий:
https://github.com/mikeckennedy/tallyman

📱Movement.

movement — это Python‑toolbox для анализа движений животных во времени и пространстве, со стеком от очистки треков до интерактивной визуализации и GUI на napari.

❓Что умеет movement:

🔘Принимает треки из DeepLabCut, SLEAP и других pose‑estimation инструментов, поддерживает разные форматы, 2D/3D и нескольких особей.

🔘Даёт единый модульный pipeline: очистка треков, визуализация, количественные метрики движения (скорость, траектории и т.п.).

🔘Имеет графический интерфейс на базе napari, так что часть задач можно делать без написания кода.

🐱Быстрая установка (c GUI):

conda create -n movement-env -c conda-forge movement napari pyqt6
conda activate movement-env

Если нужен минимальный Python‑стек без napari, можно поставить ядро через pip install movement из активированного окружения.

#python #neuroscience #behaviour #deeplabcut #sleap #movement #napari

📱Ссылка на репозиторий:
https://github.com/neuroinformatics-unit/movement

📱Stario.

Stario — это Python‑фреймворк для real‑time hypermedia, который относится к HTTP‑соединению как к «диалогу», а не разовому запросу: открываете SSE‑стрим, стримите DOM‑патчи и синхронизируете реактивные сигналы с сервера.

🔹Особенности:

🔘Реалтайм из коробки: Server‑Sent Events, потоковые ответы, DOM‑патчи и сигналы без WebSocket‑зоопарка.

🔘Hypermedia‑подход: нативная интеграция с Datastar, можно обойтись без React/Vue/JS‑фреймворков и оставаться в HTML.

🔘Простые обработчики: Go‑style async def handler(c: Context, w: Writer) -> None с явным w.html(), w.patch(), w.alive().

🔘Производительность: поверх httptools плюс поддержка zstd/brotli/gzip‑сжатия.

🐱Старт:

uv add stario        # или: pip install stario
stario init          # создать новый проект

🔺Требуется Python 3.14+.

#python #webframework #realtime #sse #hypermedia #datastar #stario

📱Ссылка на репозиторий:
https://github.com/bobowski/stario

📱Django-hawkeye.

django-hawkeye — это Django‑надстройка для полнотекстового поиска по BM25 прямо в PostgreSQL 17+ через расширение pg_textsearch, лёгкая альтернатива Elasticsearch.

🔹Особенности:

🔘Простой API: добавляете BM25Searchable и BM25Index, дальше Article.search("django tutorial") как обычный QuerySet.

🔘BM25‑ranking: тот же алгоритм релевантности, что используют Elasticsearch и другие современные поисковые движки.

🔘Без внешних сервисов: всё крутится внутри вашего PostgreSQL‑кластера, индексы живут в обычных Django‑миграциях.

🔘Готов к RAG: можно использовать как retrieval‑слой для RAG‑чатботов и поиска по контенту.

🚀Установка и базовый старт:

pip install django-hawkeye

# установить pg_textsearch на сервере PostgreSQL 17+
git clone https://github.com/timescale/pg_textsearch.git
cd pg_textsearch
make && make install

from django.db import models
from django_hawkeye import BM25Index, BM25Searchable

class Article(BM25Searchable, models.Model):
    title = models.CharField(max_length=255)
    content = models.TextField()

    class Meta:
        indexes = [
            BM25Index(fields=["content"], name="article_bm25_idx"),
        ]

#django #postgresql #fulltextsearch #bm25 #elasticsearch #rag #python

📱Ссылка на репозиторий:
https://github.com/FarhanAliRaza/django-hawkeye

📱Cereggii.

cereggii — это библиотека для синхронизации потоков в Python, заточенная под free-threaded режим (Python 3.13+): атомарные структуры данных и примитивы без GIL‑блокировки.

🔹Особенности:

🔘Lock‑free структуры: AtomicDict, AtomicCache, AtomicInt64, AtomicRef — параллельные операции без явных локов.

🔘Примитивы координации: CountDownLatch, call_once, ReadersWriterLock для управления сложными мультипоточными воркфлоу.

🔘Масштабируемость: в free-threaded Python эти структуры работают быстрее встроенных dict/int, задействуя все ядра CPU без implicit lock.

🔻Пример:

from cereggii import AtomicDict, ThreadSet

counter = AtomicDict({"red": 42, "green": 3})

@ThreadSet.repeat(10)  # 10 потоков
def workers():
    counter.reduce_count(["red"] * 60 + ["green"] * 7)

workers.start_and_join()

🐱Установка:

pip install cereggii

#python #concurrency #freethreading #atomicoperations #gil #cereggii #threading

📱Ссылка на репозиторий:
https://github.com/dpdani/cereggii

📱InvenTree.

InvenTree — это open‑source система управления инвентарём (inventory management) на Django + React с фокусом на детализацию деталей, складской учёт и traceability.

🔹Особенности:

🔘Полный цикл: управление частями (parts), поставщиками, BOM (bill of materials), сборками (builds), заказами, QR‑кодами и мобильным приложением для сканирования.

🔘API и расширения: мощный REST API, Python‑клиент, плагины и интеграции с внешними системами (например, KiCad для электроники).

🔘Деплой: Docker‑образы, one‑line скрипт установки, поддержка PostgreSQL/MySQL/SQLite + Redis, мультиязычность через Crowdin.

🚀Быстрый старт:

wget -qO install.sh https://get.inventree.org && bash install.sh

#python #django #inventory #warehouse #bom #opensource #inventree

📱Ссылка на репозиторий:
https://github.com/inventree/InvenTree

📱Py2many.

py2many — это Python‑транспайлер, который автоматически преобразует Python‑код в Rust, C++, Go, Zig, Julia, Kotlin, Nim, Dart и другие статически типизированные языки.

🔹Зачем транспилировать Python:

🔘Производительность: Python удобен для разработки, но медленный в рантайме — компиляция в Rust/C++/Go даёт нативную скорость.

🔘Кроссплатформенность: один Python‑код → нативные приложения для мобильных, embedded‑систем и WebAssembly.

🔘Безопасность: верифицируете логику тестами на Python, потом транспилируете в Rust для memory safety.

🚀Быстрый старт:

pip install py2many

# Конвертация в Rust
py2many --rust tests/cases/fib.py

# Конвертация в C++
py2many --cpp tests/cases/fib.py

# Конвертация в Go/Kotlin/Julia/Nim/Dart
py2many --go/--kotlin/--julia/--nim/--dart tests/cases/fib.py

#python #transpiler #rust #cpp #golang #performance #py2many

📱Ссылка на репозиторий:
https://github.com/py2many/py2many

📱Formualizer.

Formualizer — это spreadsheet‑движок на Rust с 320+ Excel‑функциями, который реально вычисляет формулы (не просто читает XLSX), поддерживает dependency graph и доступен из Python/Rust/WASM.

🔹Что умеет:

🔘320+ функций: PMT, XLOOKUP, FILTER, IRR и др. + dynamic arrays и spill semantics.

🔘Инкрементальная оценка: пересчитывает только изменённое, с цикло‑детекцией и параллельным режимом.

🔘SheetPort: любая таблица → типизированный API с YAML‑схемой для AI‑агентов и batch‑вычислений.

pip install formualizer

✅Идеально для fintech, AI‑агентов и data engineering — без Excel на сервере.

#python #rust #excel #spreadsheet #formualizer #fintech

📱Ссылка на репозиторий:
https://github.com/psu3d0/formualizer