AI搭載のCAPTCHAソルバー

このプロジェクトは、OpenAIのGPT-4oやGoogleのGeminiなどの大規模マルチモーダルモデル（LMM）を使用して、さまざまな種類のCAPTCHAを自動的に解決するPythonベースのコマンドラインツールです。SeleniumによるWebブラウザ自動化を活用してWebページと対話し、CAPTCHAをリアルタイムで解決します。

解決に成功すると、successful_solvesディレクトリにGIFとして記録されます。

詳細なブログ記事: https://aydinnyunus.github.io/2025/12/08/ai-captcha-bypass/

主な機能

• 複数のAIプロバイダー: OpenAI（例: GPT-4o）とGoogle Gemini（例: Gemini 2.5 Pro）の両方のモデルをサポートします。
• 複数のCAPTCHAタイプ: さまざまなCAPTCHAチャレンジを解決できます。
• ブラウザ自動化: Seleniumを使用して、Webページとの人間による操作をシミュレートします。
• 拡張可能: モジュール設計により、新しいCAPTCHAタイプやAIモデルのサポートを簡単に追加できます。
• ベンチマーク: ソルバーの性能と成功率をテストするスクリプトが含まれています。

対応CAPTCHAタイプ

このツールは、2captcha.com/demo/ページにある以下のCAPTCHAタイプを解決できます。

1. テキストCAPTCHA: シンプルなテキスト認識。
2. 複雑なテキストCAPTCHA: より歪みやノイズが多いテキスト。
3. reCAPTCHA v2: 画像選択チャレンジを伴うGoogleの「私はロボットではありません」チェックボックス。
4. パズルCAPTCHA: ピースを正しい位置に移動させるスライダーパズル。
5. オーディオCAPTCHA: オーディオファイルから読み上げられた文字や数字を文字起こしします。

前提条件

• Python 3.7+
• Mozilla Firefox

🔥 ユーザーがCapMonster.Cloudを選ぶ理由

💡 非常に高い成功率（最大99%）
⚡ 超高速な解決時間
💲 手頃で透明性のある料金（CAPTCHA 1,000件ごとの支払い）
🔌 APIとブラウザ拡張機能による簡単な統合
⭐ TrustPilot、SourceForge、SaaSHub、AlternativeToで高い評価

--

🔗 便利なリンク

💲 料金と対応CAPTCHAタイプ（25以上のタイプに対応）
📘 APIドキュメント
💡 メインウェブサイト → capmonster.cloud
⭐ レビュー → TrustPilot

インストールと設定

1. リポジトリをクローン:

   root@kitploit:~

   git clone https://github.com/aydinnyunus/ai-captcha-bypass
   cd ai-captcha-bypass
   

2. 依存関係をインストール:

   root@kitploit:~

   pip install -r requirements.txt
   

3. APIキーを設定: サンプルファイルをコピーして、ルートディレクトリに.envファイルを作成します:

   root@kitploit:~

   cp .env.example .env
   

   .envファイルを開き、OpenAIやGoogle GeminiのAPIキーを追加します:

   root@kitploit:~

   OPENAI_API_KEY="sk-..."
   GOOGLE_API_KEY="..."
   

使用方法

ソルバーを実行するための主要スクリプトはmain.pyです。テストするCAPTCHAタイプを指定する必要があります。AIプロバイダーとモデルも指定できます。

コマンドライン引数

• captcha_type: (必須) 解決するCAPTCHAのタイプ。
  • 選択肢: puzzle、text、complicated_text、recaptcha_v2、audio
• --provider: 使用するAIプロバイダー。
  • 選択肢: openai、gemini (デフォルト: openai)
• --model: 使用する特定のモデル（例: gpt-4o、gemini-2.5-flash）。
• --file: audioテスト用のオーディオファイルへのパス。(デフォルト: )

使用例

OpenAI（デフォルト）でシンプルなテキストCAPTCHAを解決:

python main.py text

Geminiで複雑なテキストCAPTCHAを解決:

python main.py complicated_text --provider gemini

GeminiでreCAPTCHA v2チャレンジを解決:

python main.py recaptcha_v2 --provider gemini

オーディオCAPTCHAを文字起こし:

python main.py audio --file files/radio.wav --provider openai

特定のOpenAIモデルでパズルCAPTCHAを解決:

python main.py puzzle --provider openai --model gpt-4o

動作の仕組み

1. ブラウザを起動: スクリプトはSeleniumを使用してFirefoxブラウザのインスタンスを起動します。
2. 移動: 指定されたCAPTCHAタイプのデモページに移動します。
3. キャプチャ: CAPTCHAチャレンジ（画像、指示、パズル）のスクリーンショットを撮影します。
4. AI分析: キャプチャした画像やオーディオファイルは、CAPTCHAタイプに合わせた特定のプロンプトとともに、選択したAIプロバイダー（OpenAIまたはGemini）に送信されます。
5. アクションの取得: AIが解決策（テキスト、座標、画像の選択）を返します。
6. アクションの実行: スクリプトはSeleniumを使用して、テキストの入力、スライダーの移動、または正しい画像のクリックを行います。
7. 検証: スクリプトは成功メッセージをチェックして、CAPTCHAが解決されたことを確認します。

成功例

さまざまなCAPTCHAタイプをソルバーが正常にバイパスした例をいくつか示します。

プロジェクト構成

• main.py: CAPTCHAソルバーテストを実行するためのメインエントリポイント。コマンドライン引数を処理し、適切なテスト関数を呼び出します。
• ai_utils.py: OpenAIおよびGemini APIと対話するためのすべての関数が含まれています。プロンプトの定義とAPI呼び出しはここで行われます。
• puzzle_solver.py: 複数ステップのスライダーパズルCAPTCHAを解決するためのロジックを実装します。
• benchmark.py: さまざまなソルバーの性能と成功率を評価するために複数のテストを実行するスクリプト。
• requirements.txt: プロジェクトに必要なすべてのPythonパッケージのリスト。
• screenshots/: CAPTCHAのスクリーンショットが一時的に保存されるディレクトリ。
• successful_solves/: 解決成功のGIFが保存されるディレクトリ。

連絡先