【有手就行】:为QQ群快速接入下载本子的JM机器人

【有手就行】:为QQ群快速接入下载本子的JM机器人

前言

广大漫画爱好者的福音来了,由于国内通过正常手段访问不了JM,,所以就有diao大的弄了个JM爬虫,专门用来下载本子等操作;但是,在这个随时随地都离不开手机的年代,如果不能直接通过手机快速获取,那就等于零。所以它来了,JM机器人,也是个diao大的整合现有技术搞出来的,感兴趣的可以给个Star(ncatbotPlugin)。所以,我只个代码的搬运工,给大家简单介绍下如何使用

先看结果

在这里插入图片描述

环境准备

  • GitHub
  • Python3.7+(不知道怎么安装Python的建议去百度一下,只需要会安装即可)
  • 云服务器(单纯自己学习可以不要)

开整

万事具备,直接开整

1、先Clone JM机器人项目

git clone https://github.com/FunEnn/ncatbotPlugin.git 

2、安装依赖

进入到项目根目录,安装必要的python模块依赖

cd ncatbotPlugin pip install -r requirements.txt 

3、修改配置

依赖安装好后,就到了最重要的一步了,打开根目录下main.py修改配置,填写拿来充当JM机器人的QQ号(最好是小号,这样就算违规被封也没太大影响)及管理员QQ号(大号)

bot.run( bt_uin="123456",# 小号 root="678910"# 大号)

4、运行项目

最后,把项目跑起来就ok了,在根目录打开cmd黑屏框,输入启动命令

python main.py 
  1. 启动过程中会提示下载安装napcat,按照提示下载即可
  2. napcat安装好后,会输出一个二维码提供扫码登录(小号),或者直接访问localhost:6099/webui,也可以扫码登录(手机端扫码登录后,可以选择后面默认登录不需要扫码,后续再重新启动机器人就不再需要扫码了,会自动登录)

登录成功后,就没什么操作了,等待启动完成吧

在这里插入图片描述


我这个已经扫过码了,所以图上没看到二维码

测试

  1. 目前测试单人聊天可以正常回复并下载
  2. 4人群聊试过可以,只需要发命令(/菜单、/jm 123456)不需要@
  3. 但是800多人群聊/jm命令没有成功,其他命令不影响

最后

本文涉及到所有的技术及方法,只适用于个人技术学习使用,请勿传播,请确保遵守相关法律法规,合理使用各项功能;

Read more

SenseVoice Small多场景落地:博物馆导览语音→多语种AR字幕实时生成

SenseVoice Small多场景落地:博物馆导览语音→多语种AR字幕实时生成 你有没有在博物馆里,一边盯着珍贵文物,一边手忙脚乱翻手机查讲解词?或者站在异国展馆前,听不懂导览员的外语解说,只能靠猜?更别提那些中英混杂、带方言口音的现场录音——传统语音转写工具要么卡住不动,要么识别错得离谱。 今天要聊的,不是又一个“理论上能用”的AI模型,而是一个真正跑在本地、开箱即用、专为真实场景打磨过的语音转文字服务。它不靠云端API,不依赖稳定网络,不挑音频格式,甚至能在没有外网的展厅设备上安静运行。它的名字叫SenseVoice Small——但这次,我们把它从实验室搬进了博物馆的玻璃柜之间。 1. 为什么是SenseVoice Small?轻量不等于将就 很多人一听“Small”,下意识觉得是阉割版、凑数款。但SenseVoice Small恰恰相反:它是阿里通义千问团队针对边缘部署和实时交互场景,专门精简优化的语音识别模型。参数量仅约2亿,却在保持95%以上主流语种识别准确率的同时,把单次推理耗时压到300毫秒以内(RTF < 0.15)。 关键不在“

华为OD机试双机位C卷-机器人活动区域(Py/Java/C/C++/Js/Go)

华为OD机试双机位C卷-机器人活动区域(Py/Java/C/C++/Js/Go)

机器人活动区域 2026华为OD机试双机位C卷 - 华为OD上机考试双机位C卷 100分题型 华为OD机试双机位C卷真题目录点击查看: 华为OD机试双机位C卷真题题库目录|机考题库 + 算法考点详解 题目描述 现有一个[机器人],可放置于 M × N 的网格中任意位置,每个网格包含一个非负整数编号,当相邻网格的数字编号差值的绝对值小于等于 1 时,机器人可以在网格间移动。 问题: 求机器人可活动的最大范围对应的网格点数目。 说明:网格左上角坐标为 (0,0) ,右下角坐标为(m−1,n−1),机器人只能在相邻网格间上下左右移动 输入描述 第 1 行输入为 M 和 N * M 表示网格的行数 * N 表示网格的列数 之后 M 行表示网格数值,每行 N 个数值(

基于分布式光纤声波传感(DAS)的无人机入侵探测技术与应用

基于分布式光纤声波传感(DAS)的无人机入侵探测技术与应用

一、背景概述 随着无人机技术的普及,其在航拍、巡检、物流等领域发挥积极作用的同时,也带来了“低空入侵”与“非法飞行”等安全隐患。在机场、军事设施、能源基础设施及重要园区等重点区域,传统的雷达、视频或无线电监测手段在低空、隐身性、小目标**场景下仍存在一定局限。 分布式光纤声波传感系统(Distributed Acoustic Sensing,DAS)作为一种被动式、长距离、连续监测的感知技术,为无人机入侵预警提供了新的技术路径。 二、DAS 在无人机入侵监测中的基本原理 DAS 系统利用相干光时域反射原理,将普通通信光纤转化为沿线连续分布的振动与声波传感单元。当无人机在目标区域低空飞行、起降或悬停时,会在地面及周围结构中产生可被感知的物理扰动,包括: * 旋翼气流引起的地面微振动 * 无人机起降过程中的冲击与共振 * 低空飞行产生的特征性声波信号 这些信号通过光纤传导至 DAS 主机,经过高速采集与数字信号处理,可实现实时感知与精确定位。 三、无人机入侵场景下的 DAS 监测模式

Yolo11 基于DroneVehicle数据集的无人机视角下车辆目标检测

Yolo11 基于DroneVehicle数据集的无人机视角下车辆目标检测

1、关于DroneVehicle数据集介绍 DroneVenicle数据集是由天津大学收集、标注的大型无人机航拍车辆数据集。 DroneVehicle 数据集由无人机采集的共 56,878 幅图像组成,其中一半为 RGB 图像,其余为红外图像。我们对五个类别进行了带有方向性边界框的丰富标注。其中,汽车car 在 RGB 图像中有 389,779 个标注,在红外图像中有 428,086 个标注;卡车truck 在 RGB 图像中有 22,123 个标注,在红外图像中有 25,960 个标注;公交车bus 在 RGB 图像中有 15,333 个标注,在红外图像中有 16,590 个标注;面包车van 在