Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

featherframe

Marco e-paper que muestra ilustraciones históricas de aves detectadas por BirdNET o BirdWeather. Usa grabados de Audubon y John Gould (dominio público). Proyecto en desarrollo con despliegue Docker.

Ficha actualizada 25 sept 2026, 17:00 · upstream 25 sept 2026, 16:28 · release v0.2.8

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es featherframe

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Featherframe es un proyecto open source que transforma detectores de aves como BirdNET-Pi, BirdNET-Go o estaciones BirdWeather en marcos e-paper que muestran ilustraciones históricas de las aves detectadas. El sistema identifica especies por sus llamadas y busca correspondencias en colecciones de grabados de Audubon (*The Birds of America*) y John Gould (*The Birds of Europe*, *The Birds of Australia*, etc.).

El proyecto utiliza Next.js para el servidor web y soporta despliegue mediante docker-compose.yml. Incluye funcionalidades como collage diario, generación de ilustraciones con OpenAI para especies no catalogadas, y compatibilidad con múltiples dispositivos (TRMNL, Kobo, Kindle, tablet). El código está licenciado bajo Apache 2.0.

Es importante destacar que el proyecto está en fase de desarrollo activo según la documentación oficial. Requiere hardware específico (Seeed XIAO ePaper DIY Kit) o dispositivos alternativos para funcionar como marco físico.

CASOS DE USO
  • Visualización de aves detectadas por acústica en marcos e-paper con ilustraciones históricas
  • Creación de collage diario con todas las especies identificadas en un periodo
  • Despliegue autoalojado en NAS o servidor doméstico con Docker Compose
  • Generación de ilustraciones AI para especies no presentes en colecciones históricas
  • Uso como dispositivo educativo sobre ornitología y arte naturalista histórico
PUNTOS DESTACADOS
  • Utiliza grabados históricos de Audubon y John Gould bajo dominio público
  • Soporta múltiples fuentes de detección: BirdNET-Pi, BirdNET-Go, BirdWeather
  • Despliegue simplificado con docker-compose.yml para servidores domésticos
  • Generación de ilustraciones AI con OpenAI para especies no catalogadas
  • Compatibilidad con dispositivos alternativos (TRMNL, Kobo, Kindle, tablet)
  • Licencia Apache 2.0 con fuentes bajo SIL Open Font License
PRECAUCIONES
  • Proyecto en desarrollo activo según documentación oficial
  • Requiere hardware específico o configuración manual de firmware
  • Dependencia de claves API para generación AI (OpenAI)
  • Necesita conexión a internet para funcionalidades cloud opcionales
  • Sin Dockerfile, requiere docker-compose.yml para despliegue
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

featherframeIMG_1899
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Para despliegue en servidor doméstico: usar docker-compose.yml con configuración de zona horaria TZ. Alternativa: instalar directamente en dispositivo BirdNET con script install.sh. Requiere puerto 8181 y acceso web a http://<server>:8181. Para hardware específico, conectar vía USB-C para actualización de firmware antes de conexión Wi-Fi.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.js
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
No detectados
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.