Startseite Projekte koharu
koharu

koharu

von mayocream · GitHub

ML-unterstützter Manga-Übersetzer, geschrieben in Rust.

Auf GitHub ansehen
In einfachen Worten

Übersetze Manga-Seiten automatisch auf deinem Computer mithilfe von maschinellem Lernen, während du deine Daten privat hältst.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Copyleft-Lizenz
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
koharu — GitHub preview card
📈 Sternhistorie
5.0k4.8k
2026-07-042026-07-29
📈 koharu verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

ML-unterstützter Manga-Übersetzer, geschrieben in Rust.

koharu hat 5k Sterne auf GitHub. Es wurde 313-mal geforkt. koharu ist hauptsächlich in Rust geschrieben. Es wird seit 2025 aktiv entwickelt. koharu ist unter der GPL-3.0-Lizenz verfügbar. Die Hauptthemen sind: computer-vision, deep-learning, gpu, gui.

Frequently asked questions

Was ist koharu?

ML-unterstützter Manga-Übersetzer, geschrieben in Rust.

Ist koharu Open Source?

koharu ist ein Open-Source-Projekt. Es wird unter der GPL-3.0-Lizenz veröffentlicht.

Ist koharu kostenlos?

Ja. koharu ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht koharu?

koharu ist unter der GPL-3.0-Lizenz verfügbar.

In welcher Sprache ist koharu geschrieben?

koharu ist hauptsächlich in Rust geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — koharu

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=mayocream-koharu)](https://opensourceai.tech/project/mayocream-koharu.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.