آنتروپیک قابلیت جدیدی اضافه کرده که Claude Code و Claude Design حالا بهصورت دوطرفه با هم همگام میشن. یعنی میتونی طراحی رو وارد پروژه کنی و مستقیم روی کامپوننتهای واقعی کد بزنی، یا تغییرات کد رو دوباره به محیط طراحی برگردونی.
@DevTwitter | <Nima />
@DevTwitter | <Nima />
🔥61👍4👎3
آقا این VeloxDB عجب شاهکاریه! دیتابیس منیجر نوشته شده با Rust. دیگه از شر pgAdmin راحت میشید، خیلی سریعه. MySQL و SQLite رو هم اکسپریمنتال ساپورت میکنه
https://github.com/veloxbase/veloxdb
@DevTwitter | <Kyrovert />
https://github.com/veloxbase/veloxdb
@DevTwitter | <Kyrovert />
🔥44🍌10❤4
آنتروپیک خیلی بی سر و صدا یه فیچر جدید برای Claude ریلیز کرده به اسم agent teams که experimental هست و باید دستی فعالش کنید.
بر خلاف sub agentها که به صورت ایزوله شده کار میکنن و نتیجه رو به ایجنت اصلی برمیگردونن، agent teams میاد یه تسک لیست تعریف میکنه و teammateها به صورت مستقیم با هم در ارتباط قرار میگیرن!
مثلا teammate فرانتاند اگه به یک schema نیاز داشته باشه برای teammate بکاند یه مسیج میفرسته و آنبلاک میشه. بعد هر کدوم از اینا تسک لیست رو آپدیت میکنن و ایجنت اصلی فقط وظیفه نظارت و تایید هدف اصلی رو داره!
برای فعال کردنش کافیه اینو به settings.json اضافه کنید یا از Claude بخواید که انجامش بده:
"env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" }
@DevTwitter | <Amir/>
بر خلاف sub agentها که به صورت ایزوله شده کار میکنن و نتیجه رو به ایجنت اصلی برمیگردونن، agent teams میاد یه تسک لیست تعریف میکنه و teammateها به صورت مستقیم با هم در ارتباط قرار میگیرن!
مثلا teammate فرانتاند اگه به یک schema نیاز داشته باشه برای teammate بکاند یه مسیج میفرسته و آنبلاک میشه. بعد هر کدوم از اینا تسک لیست رو آپدیت میکنن و ایجنت اصلی فقط وظیفه نظارت و تایید هدف اصلی رو داره!
برای فعال کردنش کافیه اینو به settings.json اضافه کنید یا از Claude بخواید که انجامش بده:
"env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" }
@DevTwitter | <Amir/>
❤29👍9
کمپانی databricks یکی دو روز پیش Omnigent رو اپن سورس کرده و به نظرم یکی از جالبترین لایبرری ها در دنیای Agentهاست.
بیشتر آدمها و تیمها هنوز روی ساختن Agentهای بهتر تمرکز دارن. اما به نظر من فرصت بزرگتر، ساختن Harnessهای بهتره.
بهترین تیمها الان از چندین Agent مختلف استفاده میکنن؛ Claude Code، Codex، Gemini، ابزارهای داخلی و Agentهای اختصاصی. مشکل اصلی دیگه توانایی مدلها نیست، بلکه هماهنگ کردن و مدیریت این Agentهاست.
چیزی که در Omnigent برام جالبه اینه که خودش یک Meta-Harness هست؛ یعنی لایهای بالاتر از Agentها که وظیفه مدیریت، هماهنگی، حافظه، قوانین و همکاری بین اونها رو بر عهده میگیره.
به نظرم مسیر تکامل این فضا چیزی شبیه اینه:
Model -> Agent -> Harness -> Meta-Harness
به نظرم آینده متعلق به یک سوپر Agent نیست. بلکه مجموعهای از Agentهای تخصصی هست که داخل یک کنترل پلین مشترک کار میکنن.
همونطور که Kubernetes جای Containerها رو نگرفت و فقط لایه مدیریت اونها شد، Meta-Harnessها هم ممکنه به لایه مدیریت Agentها تبدیل بشن.
در نهایت برندهها لزوماً اونهایی نیستن که بهترین LLM رو دارن. بلکه اونهایی هستن که بهتر از بقیه میتونن مدلها، ابزارها، حافظه، Workflowها و انسانها رو در یک سیستم منسجم کنار هم قرار بدن.
این بلاگشون را بخونید که خیلی قشنگ توضیح میده. اگه هم هنوز keynote شون را ندید حتما ببینید.
Blog: https://databricks.com/blog/introducing-omnigent-meta-harness-combine-control-and-share-your-agents
Youtube: https://youtube.com/watch?v=sn9My5Pj0mE
@DevTwitter | <Mehdi Allahyari/>
بیشتر آدمها و تیمها هنوز روی ساختن Agentهای بهتر تمرکز دارن. اما به نظر من فرصت بزرگتر، ساختن Harnessهای بهتره.
بهترین تیمها الان از چندین Agent مختلف استفاده میکنن؛ Claude Code، Codex، Gemini، ابزارهای داخلی و Agentهای اختصاصی. مشکل اصلی دیگه توانایی مدلها نیست، بلکه هماهنگ کردن و مدیریت این Agentهاست.
چیزی که در Omnigent برام جالبه اینه که خودش یک Meta-Harness هست؛ یعنی لایهای بالاتر از Agentها که وظیفه مدیریت، هماهنگی، حافظه، قوانین و همکاری بین اونها رو بر عهده میگیره.
به نظرم مسیر تکامل این فضا چیزی شبیه اینه:
Model -> Agent -> Harness -> Meta-Harness
به نظرم آینده متعلق به یک سوپر Agent نیست. بلکه مجموعهای از Agentهای تخصصی هست که داخل یک کنترل پلین مشترک کار میکنن.
همونطور که Kubernetes جای Containerها رو نگرفت و فقط لایه مدیریت اونها شد، Meta-Harnessها هم ممکنه به لایه مدیریت Agentها تبدیل بشن.
در نهایت برندهها لزوماً اونهایی نیستن که بهترین LLM رو دارن. بلکه اونهایی هستن که بهتر از بقیه میتونن مدلها، ابزارها، حافظه، Workflowها و انسانها رو در یک سیستم منسجم کنار هم قرار بدن.
این بلاگشون را بخونید که خیلی قشنگ توضیح میده. اگه هم هنوز keynote شون را ندید حتما ببینید.
Blog: https://databricks.com/blog/introducing-omnigent-meta-harness-combine-control-and-share-your-agents
Youtube: https://youtube.com/watch?v=sn9My5Pj0mE
@DevTwitter | <Mehdi Allahyari/>
❤19👍3👎2
تا حالا پیش آمده که از دیوارهای اخلاقی ChatGPT و چتباتها خسته بشید؟ قطعا شده.
مشکل اینه که روی مدلهای لوکال هم این قضیه هست. من طی دیشب، یکم با جما۳ نسخه ۴ میلیاردی بازی کردم و آلدوئین متولد شد. یک مدل اوپنسورس بدون محدودیت اخلاقی و سانسور
متاسفانه هنوز «شخصا» ازش کوانتیزیشنی ارائه نکردم. اما سبکه و با ۸ الی ۱۲ گیگ گرافیک اجرا میشه.
لینک اجرا:
https://huggingface.co/Muhammadreza/alduin-4b-it-base
و ضمنا، تصویر هم بعنوان ورودی قبول میکنه. به نظرتون چی از این بهتر؟
@DevTwitter | <M. Haghiri/>
مشکل اینه که روی مدلهای لوکال هم این قضیه هست. من طی دیشب، یکم با جما۳ نسخه ۴ میلیاردی بازی کردم و آلدوئین متولد شد. یک مدل اوپنسورس بدون محدودیت اخلاقی و سانسور
متاسفانه هنوز «شخصا» ازش کوانتیزیشنی ارائه نکردم. اما سبکه و با ۸ الی ۱۲ گیگ گرافیک اجرا میشه.
لینک اجرا:
https://huggingface.co/Muhammadreza/alduin-4b-it-base
و ضمنا، تصویر هم بعنوان ورودی قبول میکنه. به نظرتون چی از این بهتر؟
@DevTwitter | <M. Haghiri/>
🔥44🍌16👍3
https://github.com/RAlIKHANI1991/Crawler_tgju
یه کرالر نوشتم برلی کسایی که میخوان دیتا از سایت tgju دانلود کنند.
کافیه اسکریپت main رو ران کنید با اون دارایی که مد نظرتونه. خروجی به صورت فایل csv قابلیت اتصال به دیتابیس رو هم داره و کد ماژولار و قابل توسعه است.
@DevTwitter | <Rooholla ALIKHANI/>
یه کرالر نوشتم برلی کسایی که میخوان دیتا از سایت tgju دانلود کنند.
کافیه اسکریپت main رو ران کنید با اون دارایی که مد نظرتونه. خروجی به صورت فایل csv قابلیت اتصال به دیتابیس رو هم داره و کد ماژولار و قابل توسعه است.
@DevTwitter | <Rooholla ALIKHANI/>
👍29❤5🔥3
به جای باز کردن ۱۰ تب مختلف برای کارهای سادهی کدنویسی، از این جعبهابزار یکپارچه استفاده کنید:
سایت it-tools.tech تمام ابزارهای مورد نیاز شما را در یک محیط تمیز و سریع فراهم کرده است.
ذخیرهاش کنید که حتماً به کارتان میآید.
https://it-tools.tech
@DevTwitter | <Saeid/>
سایت it-tools.tech تمام ابزارهای مورد نیاز شما را در یک محیط تمیز و سریع فراهم کرده است.
ذخیرهاش کنید که حتماً به کارتان میآید.
https://it-tools.tech
@DevTwitter | <Saeid/>
👍34👎6🔥3
دو روز پیش ورسل از eve رونمایی کرد. یه فریمورک برای ساخت agent که شباهت زیادی با سیستم nextjs داره.
کل سیستم agent اش فایل محوره. هر tool , skill , mcp , channel برای خودش فولدر و فایل های خودش رو داره.
ساخت ایجنت رو ساده کرده، به نظرم ارزش بررسی داره
https://vercel.com/blog/introducing-eve
@DevTwitter | <Mani/>
کل سیستم agent اش فایل محوره. هر tool , skill , mcp , channel برای خودش فولدر و فایل های خودش رو داره.
ساخت ایجنت رو ساده کرده، به نظرم ارزش بررسی داره
https://vercel.com/blog/introducing-eve
@DevTwitter | <Mani/>
❤22👍7
این چارت انتروپیک جالبه: تو coding agentها «مدیریت» از نظر verified success حتی بالاتر از برنامهنویسی/ریاضی افتاده.
قطعاً مدیرها یهو برنامهنویستر از برنامهنویسها نشدن. برداشت درستتر اینه که وقتی کدنویسی agentic میشه، بخش بزرگی از کار تبدیل میشه به تعریف دقیق مسئله، constraint، acceptance criteria و تشخیص خروجی بد.
یعنی management خوب، کمکم از پاورپوینت و جلسه میاد پایین و تبدیل میشه به spec قابل اجرا.
@DevTwitter | <Sed/>
قطعاً مدیرها یهو برنامهنویستر از برنامهنویسها نشدن. برداشت درستتر اینه که وقتی کدنویسی agentic میشه، بخش بزرگی از کار تبدیل میشه به تعریف دقیق مسئله، constraint، acceptance criteria و تشخیص خروجی بد.
یعنی management خوب، کمکم از پاورپوینت و جلسه میاد پایین و تبدیل میشه به spec قابل اجرا.
@DevTwitter | <Sed/>
👍20❤6👎5
فریمر ۳ واقعا زمین بازی رو تغییرداد، عملا Agent رو اورده تو UI برنامه، نیاز نیست چیزیو با MCP وصل کنی بهش و آلردی دسترسی به کل دیزاینت داره با جدیدترین مدلها (Opus, Sonnet, GPT) میتونی کار کنی.
حالا ببینیم فیگما تو کانفیگ امسال چه میکنه!
https://www.youtube.com/watch?v=qXG8QQa7khU&t=1s
@DevTwitter | <Hamzeh/>
حالا ببینیم فیگما تو کانفیگ امسال چه میکنه!
https://www.youtube.com/watch?v=qXG8QQa7khU&t=1s
@DevTwitter | <Hamzeh/>
👍17👎3❤1
Media is too big
VIEW IN TELEGRAM
این واقعاً خفنه. ابزاری که بهجای اینکه تو بین مدل quant، harness، config و هزار تا تنظیمات کسشر دیگه گم شی، خودش روی سختافزار خودت benchmark بگیره و بگه اینو ران کن.
یعنی AI local وقتی واقعاً جذاب میشه که از فاز «نصب کن و دعا کن» و این پروسه رو صدبار تکرار کن تا به ایدهآلت برسی برسه به:
exo run
و بقیهش رو خودش بفهمه.
@DevTwitter | <Sed/>
یعنی AI local وقتی واقعاً جذاب میشه که از فاز «نصب کن و دعا کن» و این پروسه رو صدبار تکرار کن تا به ایدهآلت برسی برسه به:
exo run
و بقیهش رو خودش بفهمه.
@DevTwitter | <Sed/>
🍌13👎8👍4
ایموجی های انیمیت شده تلگرام برای استفاده در وبسایت یا اپلیکیشن برای افزایش جذابیت و تعامل.
بیش از 1000 ایموجی و افکت دانلود شده مستقیم از تلگرام در دو فرمت tgs و lottie json
https://github.com/saeedtahmtan/telemoji
دموی ایموجی ها رو میتونید اینجا ببینید.
https://saeedtahmtan.github.io/telemoji
@DevTwitter | <Saeed Tahmtan/>
بیش از 1000 ایموجی و افکت دانلود شده مستقیم از تلگرام در دو فرمت tgs و lottie json
https://github.com/saeedtahmtan/telemoji
دموی ایموجی ها رو میتونید اینجا ببینید.
https://saeedtahmtan.github.io/telemoji
@DevTwitter | <Saeed Tahmtan/>
👍66❤19🔥6
من یه سیستم GraphRAG درست کردم که نسبت به RAG معمولی، میتونه روابط بین چیزهای مختلف رو پیدا کنه و جوابهای دقیقتری بده.
توی RAG عادی، متن تیکه تیکه میشه و بر اساس شباهت معنایی جستجو میشه. ولی این سیستم علاوه بر اون، از کلمات کلیدی متن یه گراف میسازه و کامیونیتیهای جداگانه تشکیل میده.
حالا وقتی سوال میپرسید، علاوه بر جستجوی معنایی معمولی، یه سری خلاصه که از قبل از کامیونیتیها ساختیم هم به مدل داده میشه. اینجوری مدل میتونه خیلی راحتتر به سوالات چندمرحلهای جواب بده.
لینک:
https://github.com/mohammad-majoony/graphrag-studio
@DevTwitter | <mmd/>
توی RAG عادی، متن تیکه تیکه میشه و بر اساس شباهت معنایی جستجو میشه. ولی این سیستم علاوه بر اون، از کلمات کلیدی متن یه گراف میسازه و کامیونیتیهای جداگانه تشکیل میده.
حالا وقتی سوال میپرسید، علاوه بر جستجوی معنایی معمولی، یه سری خلاصه که از قبل از کامیونیتیها ساختیم هم به مدل داده میشه. اینجوری مدل میتونه خیلی راحتتر به سوالات چندمرحلهای جواب بده.
لینک:
https://github.com/mohammad-majoony/graphrag-studio
@DevTwitter | <mmd/>
🔥46👍1
یک ماشین حساب ساده نوشتم با Go
برای کسایی که دارن تازه با گو آشنایی پیدا میکنند و نیازه کمی عمیق بشن و مفاهمی اولیه رو بدونند
حتما بررسی کنید که قراره با گو خیلی کارا دیگه کنیم در ادامه
https://github.com/MisaghMomeniB/calculator-go
@DevTwitter | <Misagh Momeni Bashusqeh/>
برای کسایی که دارن تازه با گو آشنایی پیدا میکنند و نیازه کمی عمیق بشن و مفاهمی اولیه رو بدونند
حتما بررسی کنید که قراره با گو خیلی کارا دیگه کنیم در ادامه
https://github.com/MisaghMomeniB/calculator-go
@DevTwitter | <Misagh Momeni Bashusqeh/>
🍌95👍25👎6
This media is not supported in your browser
VIEW IN TELEGRAM
یه اپ اُپن سورس که روی dynamic island مک زندگی میکنه و سِشنهای ترمینال یا agentهاتون رو مانیتور میکنه، هر موقع نیاز باشه prompt باز میکنه واسه approve/reject یا برای ادامه سوال میپرسه!
از کلی IDE و ترمینال از جمله claude, codex, opencode, ghostty, cmux و... هم پشتیبانی میکنه!
https://github.com/Octane0411/open-vibe-island
@DevTwitter | <Amir/>
از کلی IDE و ترمینال از جمله claude, codex, opencode, ghostty, cmux و... هم پشتیبانی میکنه!
https://github.com/Octane0411/open-vibe-island
@DevTwitter | <Amir/>
👍17🍌1
بیشتر ما حواسمون هست رمز عبور یا اطلاعات محرمانهمون رو با هوش مصنوعی به اشتراک نذاریم.
اما سؤال مهمتر اینه:
هوش مصنوعی از کنار هم گذاشتن حرفها و اطلاعات معمولی ما، چه چیزهایی میتونه دربارهمون بفهمه؟
این سؤال جرقه نوشتن این مقاله متنباز روی GitHub بود.
خوشحال میشم نظرات، نقدها و پیشنهاداتتون رو بشنوم و اگر دوست داشتید به توسعه و تکمیلش کمک کنید.
https://github.com/cnaebadi/ai-disclosure-handbook/blob/main/fa/README.md
@DevTwitter | <Sina/>
اما سؤال مهمتر اینه:
هوش مصنوعی از کنار هم گذاشتن حرفها و اطلاعات معمولی ما، چه چیزهایی میتونه دربارهمون بفهمه؟
این سؤال جرقه نوشتن این مقاله متنباز روی GitHub بود.
خوشحال میشم نظرات، نقدها و پیشنهاداتتون رو بشنوم و اگر دوست داشتید به توسعه و تکمیلش کمک کنید.
https://github.com/cnaebadi/ai-disclosure-handbook/blob/main/fa/README.md
@DevTwitter | <Sina/>
❤37👍4
پروژه FreeLLMAPI - همه توکنهای رایگان AI در یک جا!
یک پروکسی OpenAI-compatible فوقالعاده که tierهای رایگان ۱۶ ارائهدهنده بزرگ (Google, Groq, Cerebras, Mistral, NVIDIA, Cloudflare، HuggingFace و...) رو پشت یک endpoint واحد جمع کرده!
چی بهتون میده؟
- حدود ۱.۷ میلیارد توکن در ماه!
- قابلیت routing هوشمند + failover خودکار (اگه یکی rate limit خورد، خودش میره بعدی)
- کلیدها رمزنگاریشده ذخیره میشن
- پشتیبانی از streaming، tool calling، embeddings و...
- میتونید custom endpoint محلی (Ollama, llama.cpp, LM Studio و...) هم اضافه کنید.
نصبش با یک خط کد (Docker) تموم میشه و داشبورد داره برای مدیریت همهچیز.
اگه زیاد با AI کار میکنید و توکنهاتون زود تموم میشه، این پروژه دقیقاً همون چیزیه که لازم دارید.
لینک پروژه:
https://github.com/tashfeenahmed/freellmapi
@DevTwitter | <Diego Jr/>
یک پروکسی OpenAI-compatible فوقالعاده که tierهای رایگان ۱۶ ارائهدهنده بزرگ (Google, Groq, Cerebras, Mistral, NVIDIA, Cloudflare، HuggingFace و...) رو پشت یک endpoint واحد جمع کرده!
چی بهتون میده؟
- حدود ۱.۷ میلیارد توکن در ماه!
- قابلیت routing هوشمند + failover خودکار (اگه یکی rate limit خورد، خودش میره بعدی)
- کلیدها رمزنگاریشده ذخیره میشن
- پشتیبانی از streaming، tool calling، embeddings و...
- میتونید custom endpoint محلی (Ollama, llama.cpp, LM Studio و...) هم اضافه کنید.
نصبش با یک خط کد (Docker) تموم میشه و داشبورد داره برای مدیریت همهچیز.
اگه زیاد با AI کار میکنید و توکنهاتون زود تموم میشه، این پروژه دقیقاً همون چیزیه که لازم دارید.
لینک پروژه:
https://github.com/tashfeenahmed/freellmapi
@DevTwitter | <Diego Jr/>
❤28👍7
یک کامپوننت React برای ورودی اعداد فارسی و عربی با تبدیل خودکار ارقام، جداکننده هزارگان، کنترل دقت اعشاری و پشتیبانی کامل از RTL. کاربر ارقام فارسی تایپ میکند، فرم شما عدد انگلیسی تمیز دریافت میکند — بدون هیچ تبدیل دستی.
امکانات
تبدیل خودکار ارقام — فارسی (۰-۹) و عربی (٠-٩) به انگلیسی و برعکس
چند زبانه — فارسی (fa)، عربی (ar)، انگلیسی (en)
جداکننده هزارگان — قابل تنظیم با هر کاراکتری
آماده برای ارز — پشتیبانی از پسوند (تومان، ریال، ر.س) و جداکننده اعشاری سفارشی
فقط ~۱ کیلوبایت — بدون dependency اضافه (به جز decimal.js)
TypeScript — تعریف تایپ کامل
حفظ موقعیت cursor — بدون جهش هنگام فرمتدهی
اعتبارسنجی min/max — کنترل بازه مجاز و دقت اعشاری
دسترسپذیر — رعایت استانداردهای WCAG
——
لینک ها
npm
https://www.npmjs.com/package/persian-number-input
github
https://github.com/javadSharifi/persian-number-input
demo
https://persian-number-input.netlify.app/
@DevTwitter | <Javad/>
امکانات
تبدیل خودکار ارقام — فارسی (۰-۹) و عربی (٠-٩) به انگلیسی و برعکس
چند زبانه — فارسی (fa)، عربی (ar)، انگلیسی (en)
جداکننده هزارگان — قابل تنظیم با هر کاراکتری
آماده برای ارز — پشتیبانی از پسوند (تومان، ریال، ر.س) و جداکننده اعشاری سفارشی
فقط ~۱ کیلوبایت — بدون dependency اضافه (به جز decimal.js)
TypeScript — تعریف تایپ کامل
حفظ موقعیت cursor — بدون جهش هنگام فرمتدهی
اعتبارسنجی min/max — کنترل بازه مجاز و دقت اعشاری
دسترسپذیر — رعایت استانداردهای WCAG
——
لینک ها
npm
https://www.npmjs.com/package/persian-number-input
github
https://github.com/javadSharifi/persian-number-input
demo
https://persian-number-input.netlify.app/
@DevTwitter | <Javad/>
❤49🍌8🔥4
زیرنویس فارسی برای هر ویدیوی یوتیوب — خودکار و همزمان!
چندتا افزونهی مترجم امتحان کردم؛ یا کار نمیکردن یا قاطی میکردن.
برای همین خودم یکی ساختم: تمیز، سریع و حرفهای
یه افزونهی کروم که زیرنویس هر ویدیوی یوتیوب رو میگیره، با هوش مصنوعی
به فارسیِ روان ترجمه میکنه و درست روی ویدیو نشونت میده.
امکانات:
- ترجمهی خودکار فارسی، روی خودِ ویدیو (حتی در حالت تمامصفحه)
- نمایش همزمان متن اصلی برای زبانآموزی (اختیاری)
- شخصیسازی کامل: فونت، رنگ، اندازه و پسزمینه
- فونت زیبای وزیرمتن
- ترجمه با هوش مصنوعی DeepSeek از طریق OpenRouter
دانلود و آموزش کامل:
https://github.com/zakeri-dev/Youtube-Ai-Translator
@DevTwitter | <MrShak Dev/>
چندتا افزونهی مترجم امتحان کردم؛ یا کار نمیکردن یا قاطی میکردن.
برای همین خودم یکی ساختم: تمیز، سریع و حرفهای
یه افزونهی کروم که زیرنویس هر ویدیوی یوتیوب رو میگیره، با هوش مصنوعی
به فارسیِ روان ترجمه میکنه و درست روی ویدیو نشونت میده.
امکانات:
- ترجمهی خودکار فارسی، روی خودِ ویدیو (حتی در حالت تمامصفحه)
- نمایش همزمان متن اصلی برای زبانآموزی (اختیاری)
- شخصیسازی کامل: فونت، رنگ، اندازه و پسزمینه
- فونت زیبای وزیرمتن
- ترجمه با هوش مصنوعی DeepSeek از طریق OpenRouter
دانلود و آموزش کامل:
https://github.com/zakeri-dev/Youtube-Ai-Translator
@DevTwitter | <MrShak Dev/>
👍79👎14🔥5