anigame_fusion

Générateur de fusion de personnage de jeu d'anime

Aperçu

Le générateur de fusion de personnages de jeu d'anime est un projet de côté amusant et créatif conçu pour mélanger des éléments de personnages d'anime avec des thèmes de jeu spécifiques, produisant des images uniques et vives visuellement. Tirant parti de la puissance de la bibliothèque cagliostrolab/animagine-xl-3.1 pour la génération de caractères d'anime et l'API igdb (base de données de jeu Internet) pour accéder aux données de jeu, ce projet offre aux utilisateurs la possibilité de générer des images de profil personnalisées qui reflètent leurs intérêts anime et de jeu préférés.

Caractéristiques

• Génération de caractères d'anime : utilise la bibliothèque cagliostrolab/animagine-xl-3.1 pour créer des caractères de style anime.

• Intégration du thème du jeu : intègre des éléments de jeux spécifiques dans les personnages d'anime générés, permettant aux utilisateurs de sélectionner leurs jeux préférés.

• Générateur d'images de profil : génère des images adaptées à une utilisation comme images de profil sur les plateformes de médias sociaux, les forums de jeux ou d'autres communautés en ligne, offrant aux utilisateurs une représentation personnalisée et visuellement frappante de leurs intérêts.

Installation

1. Clone le référentiel de GitHub:

   git clone https://github.com/your-username/anime-game-character-fusion.git

2. Installez les dépendances à l'aide de PIP:

   pip install -r requirements.txt

3. (Facultatif) Installez SASS et compilez le fichier SASS dans CSS:

   sass ./resources/form.scss ./resources/form.css

4. Obtenez des informations d'identification de l'API pour l'API igdb et définissez-les comme variables d'environnement twitch_client_id & twitch_client_seret avec votre clé API réelle.

Installation (facultatif: support CUDA)

Si vous avez un GPU NVIDIA avec support CUDA et que vous souhaitez accélérer la génération d'images, suivez ces étapes supplémentaires:

1. Assurez-vous que CUDA soit installé sur votre système. Reportez-vous à la documentation de la boîte à outils NVIDIA CUDA pour les instructions d'installation spécifiques à votre système d'exploitation.

2. Une fois CUDA installé, réinstallez Pytorch:

   pip uninstall torch
   # command from link above

3. Exécutez le projet comme d'habitude et la génération d'images devrait désormais bénéficier de l'accélération du GPU, ce qui entraîne des délais de traitement plus rapides.

Remarque: le support CUDA peut nécessiter une configuration et une configuration supplémentaires, et tous les systèmes ou GPU ne peuvent pas être compatibles. Reportez-vous à la documentation fournie par NVIDIA et la bibliothèque cagliostrolab/animagine-xl-3.1 pour des informations plus détaillées sur l'activation du support CUDA.

Usage

1. Exécutez le script principal avec votre variable d'environnement PythonPath définie sur ".":

   python src/main.py

2. Suivez l'interface graphique pour personnaliser votre caractère d'anime et sélectionnez des éléments de jeu à intégrer dans la fusion.

3. Une fois satisfait des sélections, l'image générée sera prévisualisée et peut être enregistrée dans le répertoire spécifié.

Dépendances

• Cagliostrolab / Animagine-XL-3.1: Une bibliothèque puissante pour générer des caractères de style anime avec des attributs personnalisables.

• API IGDB: donne accès à une vaste base de données d'informations liées au jeu, permettant l'intégration des éléments de jeu dans les images générées.

Contributif

Les contributions au projet sont les bienvenues! Si vous avez des idées de nouvelles fonctionnalités, d'améliorations ou de corrections de bogues, n'hésitez pas à soumettre une demande de traction. Veuillez respecter les conventions de codage établies et suivre le code de conduite du projet.

Licence

Ce projet est autorisé sous la licence du MIT. Voir le fichier de licence pour plus de détails.

Remerciements

• Un merci spécial aux développeurs de cagliostrolab/animagine-xl-3.1 pour avoir fourni une bibliothèque fantastique pour la génération de personnages d'anime.
• Merci aux créateurs de l'API igdb pour avoir permis l'accès à des données complètes de jeu.
• Un merci spécial aux développeurs PySide6 pour avoir fourni une boîte à outils puissante pour créer des applications de bureau multiplateforme avec Python.
• Merci aux développeurs NLTK pour la création d'une bibliothèque complète pour les tâches de traitement du langage naturel à Python.
• Remerciements aux développeurs requests_cache pour offrir un moyen pratique de mettre en cache les réponses HTTP dans les applications Python.
• Grâce aux développeurs PyTorch pour avoir développé un cadre d'apprentissage en profondeur efficace et flexible pour la recherche et la production.
• Gratitude aux développeurs de thefuzz pour fournir une bibliothèque utile pour la correspondance floue des chaînes, améliorant la précision de la recherche de nom de caractère.