Startseite Projekte Good-GYM
Good-GYM

Good-GYM

von yo-WASSUP · GitHub

AI-gestützter Fitnessassistent für Echtzeit-Pose-Schätzung, Übungszählung und Workout-Feedback.

Auf GitHub ansehen
⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 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 →
Good-GYM — GitHub preview card
📈 Sternhistorie
386375
2026-07-202026-07-29
📈 Good-GYM verfolgen

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

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

AI-gestützter Fitnessassistent für Echtzeit-Pose-Schätzung, Übungszählung und Workout-Feedback.

Good-GYM hat 386 Sterne auf GitHub. Es wurde 66-mal geforkt. Good-GYM ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. Good-GYM ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: ai, computer-vision, exercise, fitness.

Frequently asked questions

Was ist Good-GYM?

AI-gestützter Fitnessassistent für Echtzeit-Pose-Schätzung, Übungszählung und Workout-Feedback.

Ist Good-GYM Open Source?

Good-GYM ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist Good-GYM kostenlos?

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

Unter welcher Lizenz steht Good-GYM?

Good-GYM ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist Good-GYM geschrieben?

Good-GYM ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — Good-GYM

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=yo-wassup-good-gym)](https://opensourceai.tech/project/yo-wassup-good-gym.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit

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