From 95f11a5403dc66f56e0415bcd600858de5910014 Mon Sep 17 00:00:00 2001 From: Ikko Eltociear Ashimine Date: Tue, 12 Nov 2024 11:19:27 +0900 Subject: [PATCH] docs: add Japanese README file (#138) I created Japanese translated README. --- README.md | 4 +- README_ja-JP.md | 438 ++++++++++++++++++++++++++++++++++++++++++++++++ README_zh-CN.md | 2 +- 3 files changed, 441 insertions(+), 3 deletions(-) create mode 100644 README_ja-JP.md diff --git a/README.md b/README.md index e9b9e74..5c49473 100644 --- a/README.md +++ b/README.md @@ -11,7 +11,7 @@ [![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-yellow)](https://huggingface.co/spaces/alibaba-pai/EasyAnimate) [![Discord Page](https://img.shields.io/badge/Discord-Page-blue)](https://discord.gg/UzkpB4Bn) -English | [简体中文](./README_zh-CN.md) +English | [简体中文](./README_zh-CN.md) | [日本語](./README_ja.md) # Table of Contents - [Table of Contents](#table-of-contents) @@ -436,4 +436,4 @@ EasyAnimateV5: - HunYuan DiT: https://github.com/tencent/HunyuanDiT # License -This project is licensed under the [Apache License (Version 2.0)](https://github.com/modelscope/modelscope/blob/master/LICENSE). \ No newline at end of file +This project is licensed under the [Apache License (Version 2.0)](https://github.com/modelscope/modelscope/blob/master/LICENSE). diff --git a/README_ja-JP.md b/README_ja-JP.md new file mode 100644 index 0000000..03b4c11 --- /dev/null +++ b/README_ja-JP.md @@ -0,0 +1,438 @@ +# 📷 EasyAnimate | 高解像度および長時間動画生成のためのエンドツーエンドソリューション +😊 EasyAnimateは、高解像度および長時間動画を生成するためのエンドツーエンドソリューションです。トランスフォーマーベースの拡散生成器をトレーニングし、長時間動画を処理するためのVAEをトレーニングし、メタデータを前処理することができます。 + +😊 DITをベースに、トランスフォーマーを拡散器として使用して動画や画像を生成します。 + +😊 ようこそ！ + +[![Arxiv Page](https://img.shields.io/badge/Arxiv-Page-red)](https://arxiv.org/abs/2405.18991) +[![Project Page](https://img.shields.io/badge/Project-Website-green)](https://easyanimate.github.io/) +[![Modelscope Studio](https://img.shields.io/badge/Modelscope-Studio-blue)](https://modelscope.cn/studios/PAI/EasyAnimate/summary) +[![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-yellow)](https://huggingface.co/spaces/alibaba-pai/EasyAnimate) +[![Discord Page](https://img.shields.io/badge/Discord-Page-blue)](https://discord.gg/UzkpB4Bn) + +English | [简体中文](./README_zh-CN.md) | 日本語 + +# 目次 +- [目次](#目次) +- [紹介](#紹介) +- [クイックスタート](#クイックスタート) +- [ビデオ結果](#ビデオ結果) +- [使い方](#使い方) +- [モデルズー](#モデルズー) +- [TODOリスト](#todoリスト) +- [お問い合わせ](#お問い合わせ) +- [参考文献](#参考文献) +- [ライセンス](#ライセンス) + +# 紹介 +EasyAnimateは、トランスフォーマーアーキテクチャに基づいたパイプラインで、AI画像および動画の生成、Diffusion TransformerのベースラインモデルおよびLoraモデルのトレーニングに使用されます。事前トレーニング済みのEasyAnimateモデルから直接予測を行い、さまざまな解像度で約6秒間、8fpsの動画を生成できます（EasyAnimateV5、1〜49フレーム）。さらに、ユーザーは特定のスタイル変換のために独自のベースラインおよびLoraモデルをトレーニングできます。 + +異なるプラットフォームからのクイックプルアップをサポートします。詳細は[クイックスタート](#クイックスタート)を参照してください。 + +**新機能:** +- **v5に更新**、1024x1024までの動画生成をサポート、49フレーム、6秒、8fps、モデルスケールを12Bに拡張、MMDIT構造を組み込み、さまざまな入力を持つ制御モデルをサポート。中国語と英語のバイリンガル予測をサポート。[2024.11.08] +- **v4に更新**、1024x1024までの動画生成をサポート、144フレーム、6秒、24fps、テキスト、画像、動画からの動画生成をサポート、512から1280までの解像度を単一モデルで処理。中国語と英語のバイリンガル予測をサポート。[2024.08.15] +- **v3に更新**、960x960までの動画生成をサポート、144フレーム、6秒、24fps、テキストと画像からの動画生成をサポート。[2024.07.01] +- **ModelScope-Sora “データディレクター” クリエイティブレース** — 第三回Data-Juicerビッグモデルデータチャレンジが正式に開始されました！EasyAnimateをベースモデルとして使用し、データ処理がモデルトレーニングに与える影響を探ります。詳細は[競技ウェブサイト](https://tianchi.aliyun.com/competition/entrance/532219)をご覧ください。[2024.06.17] +- **v2に更新**、768x768までの動画生成をサポート、144フレーム、6秒、24fps。[2024.05.26] +- **コード作成！** 現在、WindowsおよびLinuxをサポート。[2024.04.12] + +機能： +- [データ前処理](#data-preprocess) +- [VAEのトレーニング](#vae-train) +- [DiTのトレーニング](#dit-train) +- [動画生成](#video-gen) + +私たちのUIインターフェースは次のとおりです： +![ui](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/asset/ui_v3.jpg) + +# クイックスタート +### 1. クラウド使用: AliyunDSW/Docker +#### a. AliyunDSWから +DSWには無料のGPU時間があり、ユーザーは一度申請でき、申請後3ヶ月間有効です。 + +Aliyunは[Freetier](https://free.aliyun.com/?product=9602825&crowd=enterprise&spm=5176.28055625.J_5831864660.1.e939154aRgha4e&scm=20140722.M_9974135.P_110.MO_1806-ID_9974135-MID_9974135-CID_30683-ST_8512-V_1)で無料のGPU時間を提供しており、取得してAliyun PAI-DSWで使用し、5分以内にEasyAnimateを開始できます！ + +[![DSW Notebook](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/asset/dsw.png)](https://gallery.pai-ml.com/#/preview/deepLearning/cv/easyanimate) + +#### b. ComfyUIから +私たちのComfyUIは次のとおりです。詳細は[ComfyUI README](comfyui/README.md)を参照してください。 +![workflow graph](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/asset/v3/comfyui_i2v.jpg) + +#### c. Dockerから +Dockerを使用している場合は、マシンにグラフィックスカードドライバとCUDA環境が正しくインストールされていることを確認してください。 + +次のコマンドを実行します： +``` +# イメージをプル +docker pull mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:easyanimate + +# イメージに入る +docker run -it -p 7860:7860 --network host --gpus all --security-opt seccomp:unconfined --shm-size 200g mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:easyanimate + +# コードをクローン +git clone https://github.com/aigc-apps/EasyAnimate.git + +# EasyAnimateのディレクトリに入る +cd EasyAnimate + +# 重みをダウンロード +mkdir models/Diffusion_Transformer +mkdir models/Motion_Module +mkdir models/Personalized_Model + +# EasyAnimateV5モデルをダウンロードするには、hugginfaceリンクまたはmodelscopeリンクを使用してください。 +# I2Vモデル +# https://huggingface.co/alibaba-pai/EasyAnimateV5-12b-zh-InP +# https://modelscope.cn/models/PAI/EasyAnimateV5-12b-zh-InP +# T2Vモデル +# https://huggingface.co/alibaba-pai/EasyAnimateV5-12b-zh +# https://modelscope.cn/models/PAI/EasyAnimateV5-12b-zh +``` + +### 2. ローカルインストール: 環境チェック/ダウンロード/インストール +#### a. 環境チェック +次の環境でEasyAnimateの実行を確認しました： + +Windowsの詳細： +- OS: Windows 10 +- python: python3.10 & python3.11 +- pytorch: torch2.2.0 +- CUDA: 11.8 & 12.1 +- CUDNN: 8+ +- GPU： Nvidia-3060 12G + +Linuxの詳細： +- OS: Ubuntu 20.04, CentOS +- python: python3.10 & python3.11 +- pytorch: torch2.2.0 +- CUDA: 11.8 & 12.1 +- CUDNN: 8+ +- GPU：Nvidia-V100 16G & Nvidia-A10 24G & Nvidia-A100 40G & Nvidia-A100 80G + +ディスクに約60GBの空き容量が必要です（重みを保存するため）、確認してください！ + +#### b. 重み +[重み](#model-zoo)を指定されたパスに配置することをお勧めします： + +EasyAnimateV5: +``` +📦 models/ +├── 📂 Diffusion_Transformer/ +│ ├── 📂 EasyAnimateV5-12b-zh-InP/ +│ └── 📂 EasyAnimateV5-12b-zh/ +├── 📂 Personalized_Model/ +│ └── あなたのトレーニング済みのトランスフォーマーモデル / あなたのトレーニング済みのLoraモデル（UIロード用） +``` + +# ビデオ結果 +表示されている結果はすべて画像からの生成に基づいています。 + +### EasyAnimateV5-12b-zh-InP + +#### I2V + + + + + + + +
+ + + + + + + +
+ + + + + + + + + +
+ + + + + + + +
+ + + + + + + + +
+ + + + + + + +
+ +#### T2V + + + + + + + +
+ + + + + + + +
+ + + + + + + + +
+ + + + + + + +
+ +### EasyAnimateV5-12b-zh-Control + + + + + + + + + + + +
+ + + + + +
+ + + + + +
+ + +# 使い方 + +

1. 推論

+ +#### a. Pythonコードを使用する +- ステップ1：対応する[重み](#model-zoo)をダウンロードし、modelsフォルダに配置します。 +- ステップ2：predict_t2v.pyファイルでprompt、neg_prompt、guidance_scale、およびseedを変更します。 +- ステップ3：predict_t2v.pyファイルを実行し、生成された結果を待ちます。結果はsamples/easyanimate-videosフォルダに保存されます。 +- ステップ4：他のバックボーンとLoraを組み合わせたい場合は、状況に応じてpredict_t2v.pyおよびLora_pathを変更します。 + +#### b. WebUIを使用する +- ステップ1：対応する[重み](#model-zoo)をダウンロードし、modelsフォルダに配置します。 +- ステップ2：app.pyファイルを実行してグラフページに入ります。 +- ステップ3：ページに基づいて生成モデルを選択し、prompt、neg_prompt、guidance_scale、およびseedを入力し、生成をクリックして生成結果を待ちます。結果はsamplesフォルダに保存されます。 + +#### c. ComfyUIから +詳細は[ComfyUI README](comfyui/README.md)を参照してください。 + +#### d. GPUメモリ節約スキーム + +EasyAnimateV5のパラメータが大きいため、メモリを節約するためにGPUメモリ節約スキームを検討する必要があります。各予測ファイルには、`GPU_memory_mode`オプションがあり、`model_cpu_offload`、`model_cpu_offload_and_qfloat8`、および`sequential_cpu_offload`から選択できます。 + +- `model_cpu_offload`は、使用後にモデル全体がCPUにオフロードされることを示し、一部のGPUメモリを節約します。 +- `model_cpu_offload_and_qfloat8`は、使用後にモデル全体がCPUにオフロードされ、トランスフォーマーモデルがfloat8に量子化され、さらに多くのGPUメモリを節約します。 +- `sequential_cpu_offload`は、使用後にモデルの各層がCPUにオフロードされることを意味し、速度は遅くなりますが、大量のGPUメモリを節約します。 + +### 2. モデルトレーニング +完全なEasyAnimateトレーニングパイプラインには、データ前処理、Video VAEトレーニング、およびVideo DiTトレーニングが含まれる必要があります。これらの中で、Video VAEトレーニングはオプションです。すでにトレーニング済みのVideo VAEを提供しているためです。 + +

a. データ前処理

+ +画像データを使用してLoraモデルをトレーニングする簡単なデモを提供しています。詳細は[wiki](https://github.com/aigc-apps/EasyAnimate/wiki/Training-Lora)を参照してください。 + +長時間動画のセグメンテーション、クリーニング、および説明のための完全なデータ前処理リンクは、ビデオキャプションセクションの[README](./easyanimate/video_caption/README.md)を参照してください。 + +テキストから画像および動画生成モデルをトレーニングする場合は、データセットを次の形式で配置する必要があります。 + +``` +📦 project/ +├── 📂 datasets/ +│ ├── 📂 internal_datasets/ +│ ├── 📂 train/ +│ │ ├── 📄 00000001.mp4 +│ │ ├── 📄 00000002.jpg +│ │ └── 📄 ..... +│ └── 📄 json_of_internal_datasets.json +``` + +json_of_internal_datasets.jsonは標準のJSONファイルです。json内のfile_pathは相対パスとして設定できます。以下のように： +```json +[ + { + "file_path": "train/00000001.mp4", + "text": "A group of young men in suits and sunglasses are walking down a city street.", + "type": "video" + }, + { + "file_path": "train/00000002.jpg", + "text": "A group of young men in suits and sunglasses are walking down a city street.", + "type": "image" + }, + ..... +] +``` + +パスを絶対パスとして設定することもできます： +```json +[ + { + "file_path": "/mnt/data/videos/00000001.mp4", + "text": "A group of young men in suits and sunglasses are walking down a city street.", + "type": "video" + }, + { + "file_path": "/mnt/data/train/00000001.jpg", + "text": "A group of young men in suits and sunglasses are walking down a city street.", + "type": "image" + }, + ..... +] +``` + +

b. Video VAEトレーニング（オプション）

+ +Video VAEトレーニングはオプションです。すでにトレーニング済みのVideo VAEを提供しているためです。 +Video VAEをトレーニングする場合は、ビデオVAEセクションの[README](easyanimate/vae/README.md)を参照してください。 + +

c. Video DiTトレーニング

+ +データ前処理時にデータ形式が相対パスの場合、```scripts/train.sh```を次のように設定します。 +``` +export DATASET_NAME="datasets/internal_datasets/" +export DATASET_META_NAME="datasets/internal_datasets/json_of_internal_datasets.json" +``` + +データ前処理時にデータ形式が絶対パスの場合、```scripts/train.sh```を次のように設定します。 +``` +export DATASET_NAME="" +export DATASET_META_NAME="/mnt/data/json_of_internal_datasets.json" +``` + +次に、scripts/train.shを実行します。 +```sh +sh scripts/train.sh +``` + +一部のパラメータの設定の詳細については、[Readme Train](scripts/README_TRAIN.md)および[Readme Lora](scripts/README_TRAIN_LORA.md)を参照してください。 + +
+ (Obsolete) EasyAnimateV1: + EasyAnimateV1をトレーニングする場合は、gitブランチv1に切り替えてください。 +
+ +# モデルズー + +EasyAnimateV5: + +| 名前 | 種類 | ストレージスペース | Hugging Face | Model Scope | 説明 | +|--|--|--|--|--|--| +| EasyAnimateV5-12b-zh-InP | EasyAnimateV5 | 34 GB | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV5-12b-zh-InP) | [😄Link](https://modelscope.cn/models/PAI/EasyAnimateV5-12b-zh-InP) | 公式の画像から動画への重み。複数の解像度（512、768、1024）での動画予測をサポートし、49フレーム、毎秒8フレームでトレーニングされ、中国語と英語のバイリンガル予測をサポートします。 | +| EasyAnimateV5-12b-zh-Control | EasyAnimateV5 | 34 GB | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV5-12b-zh-Control) | [😄Link](https://modelscope.cn/models/PAI/EasyAnimateV5-12b-zh-Control) | 公式の動画制御重み。Canny、Depth、Pose、MLSDなどのさまざまな制御条件をサポートします。複数の解像度（512、768、1024）での動画予測をサポートし、49フレーム、毎秒8フレームでトレーニングされ、中国語と英語のバイリンガル予測をサポートします。 | +| EasyAnimateV5-12b-zh | EasyAnimateV5 | 34 GB | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV5-12b-zh) | [😄Link](https://modelscope.cn/models/PAI/EasyAnimateV5-12b-zh) | 公式のテキストから動画への重み。複数の解像度（512、768、1024）での動画予測をサポートし、49フレーム、毎秒8フレームでトレーニングされ、中国語と英語のバイリンガル予測をサポートします。 | + +
+ (Obsolete) EasyAnimateV4: + +| 名前 | 種類 | ストレージスペース | URL | Hugging Face | 説明 | +|--|--|--|--|--|--| +| EasyAnimateV4-XL-2-InP.tar.gz | EasyAnimateV4 | 解凍前: 8.9 GB / 解凍後: 14.0 GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Diffusion_Transformer/EasyAnimateV4-XL-2-InP.tar.gz) | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV4-XL-2-InP)| 公式のグラフ生成動画モデル。複数の解像度（512、768、1024、1280）での動画予測をサポートし、144フレーム、毎秒24フレームでトレーニングされています。 | +
+ +
+ (Obsolete) EasyAnimateV3: + +| 名前 | 種類 | ストレージスペース | URL | Hugging Face | 説明 | +|--|--|--|--|--|--| +| EasyAnimateV3-XL-2-InP-512x512.tar | EasyAnimateV3 | 18.2GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Diffusion_Transformer/EasyAnimateV3-XL-2-InP-512x512.tar) | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV3-XL-2-InP-512x512) | EasyAnimateV3公式の512x512テキストおよび画像から動画への重み。144フレーム、毎秒24フレームでトレーニングされています。 | +| EasyAnimateV3-XL-2-InP-768x768.tar | EasyAnimateV3 | 18.2GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Diffusion_Transformer/EasyAnimateV3-XL-2-InP-768x768.tar) | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV3-XL-2-InP-768x768) | EasyAnimateV3公式の768x768テキストおよび画像から動画への重み。144フレーム、毎秒24フレームでトレーニングされています。 | +| EasyAnimateV3-XL-2-InP-960x960.tar | EasyAnimateV3 | 18.2GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Diffusion_Transformer/EasyAnimateV3-XL-2-InP-960x960.tar) | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV3-XL-2-InP-960x960) | EasyAnimateV3公式の960x960テキストおよび画像から動画への重み。144フレーム、毎秒24フレームでトレーニングされています。 | +
+ +
+ (Obsolete) EasyAnimateV2: + +| 名前 | 種類 | ストレージスペース | URL | Hugging Face | 説明 | +|--|--|--|--|--|--| +| EasyAnimateV2-XL-2-512x512.tar | EasyAnimateV2 | 16.2GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Diffusion_Transformer/EasyAnimateV2-XL-2-512x512.tar) | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV2-XL-2-512x512) | EasyAnimateV2公式の512x512解像度の重み。144フレーム、毎秒24フレームでトレーニングされています。 | +| EasyAnimateV2-XL-2-768x768.tar | EasyAnimateV2 | 16.2GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Diffusion_Transformer/EasyAnimateV2-XL-2-768x768.tar) | [🤗Link](https://huggingface.co/alibaba-pai/EasyAnimateV2-XL-2-768x768) | EasyAnimateV2公式の768x768解像度の重み。144フレーム、毎秒24フレームでトレーニングされています。 | +| easyanimatev2_minimalism_lora.safetensors | Lora of Pixart | 485.1MB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Personalized_Model/easyanimatev2_minimalism_lora.safetensors) | - | 特定のタイプの画像でトレーニングされたLora。画像は[URL](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/asset/v2/Minimalism.zip)からダウンロードできます。 | +
+ +
+ (Obsolete) EasyAnimateV1: + +### 1、モーション重み +| 名前 | 種類 | ストレージスペース | URL | 説明 | +|--|--|--|--|--| +| easyanimate_v1_mm.safetensors | モーションモジュール | 4.1GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Motion_Module/easyanimate_v1_mm.safetensors) | 80フレーム、毎秒12フレームでトレーニングされています。 | + +### 2、その他の重み +| 名前 | 種類 | ストレージスペース | URL | 説明 | +|--|--|--|--|--| +| PixArt-XL-2-512x512.tar | Pixart | 11.4GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Diffusion_Transformer/PixArt-XL-2-512x512.tar)| Pixart-Alpha公式の重み。 | +| easyanimate_portrait.safetensors | Pixartのチェックポイント | 2.3GB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Personalized_Model/easyanimate_portrait.safetensors) | 内部のポートレートデータセットでトレーニングされています。 | +| easyanimate_portrait_lora.safetensors | PixartのLora | 654.0MB | [ダウンロード](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/Personalized_Model/easyanimate_portrait_lora.safetensors)| 内部のポートレートデータセットでトレーニングされています。 | +
+ +# TODOリスト +- より大きなパラメータを持つモデルをサポートします。 + +# お問い合わせ +1. Dingdingを使用してグループ77450006752を検索するか、スキャンして参加します。 +2. WeChatグループに参加するには画像をスキャンするか、期限切れの場合はこの学生を友達として追加して招待します。 + +ding group +Wechat group +Person + + +# 参考文献 +- magvit: https://github.com/google-research/magvit +- PixArt: https://github.com/PixArt-alpha/PixArt-alpha +- Open-Sora-Plan: https://github.com/PKU-YuanGroup/Open-Sora-Plan +- Open-Sora: https://github.com/hpcaitech/Open-Sora +- Animatediff: https://github.com/guoyww/AnimateDiff +- ComfyUI-EasyAnimateWrapper: https://github.com/kijai/ComfyUI-EasyAnimateWrapper +- HunYuan DiT: https://github.com/tencent/HunyuanDiT + +# ライセンス +このプロジェクトは[Apache License (Version 2.0)](https://github.com/modelscope/modelscope/blob/master/LICENSE)の下でライセンスされています。 diff --git a/README_zh-CN.md b/README_zh-CN.md index 3a7e973..5a14b57 100644 --- a/README_zh-CN.md +++ b/README_zh-CN.md @@ -11,7 +11,7 @@ [![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-yellow)](https://huggingface.co/spaces/alibaba-pai/EasyAnimate) [![Discord Page](https://img.shields.io/badge/Discord-Page-blue)](https://discord.gg/UzkpB4Bn) -[English](./README.md) | 简体中文 +[English](./README.md) | 简体中文 | [日本語](./README_ja.md) # 目录 - [目录](#目录)