Plex-Auto-Languages:Netflix 式体验的 Plex 自动语言选择工具

Ray

Plex-Auto-Languages

Plex-Auto-Languages:让您的 Plex 媒体库拥有 Netflix 式的语言体验

在这个全球化的时代,我们经常会观看来自不同国家和地区的影视作品。然而,在 Plex 媒体服务器中管理多语言内容一直是一个挑战。现在,一款名为 Plex-Auto-Languages 的开源工具为我们带来了解决方案,它可以让您的 Plex 媒体库拥有类似 Netflix 的智能语言切换体验。

什么是 Plex-Auto-Languages?

Plex-Auto-Languages 是一个专为 Plex 媒体服务器设计的自动化语言选择工具。它能够根据用户的当前语言偏好,自动更新 Plex TV 节目的音频和字幕轨道,而不会干扰您现有的语言设置。这意味着您可以轻松地在不同语言的节目之间切换,而无需手动调整每一集的语言设置。

Plex Auto Languages Logo

Plex-Auto-Languages 的主要特性

  1. Netflix 式体验:一旦设置好第一集的语言偏好,后续剧集将自动应用相同的语言设置,让您专注于享受内容而不是调整设置。

  2. 独立的节目语言设置:您可以为不同的电视节目设置不同的语言偏好,例如用英语观看《曼达洛人》,同时保持《权力的游戏》为法语配音。

  3. 多用户支持:支持 Plex 的多用户功能,每个用户可以拥有独立的语言偏好设置。

  4. 灵活的更新策略:可以选择按整个节目或当前季度更新语言设置,以及是更新所有剧集还是仅更新下一集。

  5. 触发机制:可以根据播放、库扫描或用户活动来触发语言更新。

  6. 计划任务:内置调度器,可以在指定时间对最近播放的 TV 节目进行深度分析和语言优化。

  7. 通知系统:支持通过 Apprise 发送语言变更通知,可自定义通知接收者和触发事件。

  8. Docker 支持:提供 Docker 镜像,便于部署和管理。

如何开始使用 Plex-Auto-Languages

要开始使用 Plex-Auto-Languages,您需要准备以下内容:

  1. 一个运行正常的 Plex 媒体服务器
  2. Plex 的访问令牌(Token)
  3. Docker(推荐)或 Python 3.8+

Docker 安装(推荐方式)

使用 Docker Compose 是最简单的安装方法。以下是一个基本的 docker-compose.yml 配置示例:

version: "3"
services:
  plexautolanguages:
    image: remirigal/plex-auto-languages:latest
    environment:
      - PLEX_URL=http://plex:32400
      - PLEX_TOKEN=YOUR_PLEX_TOKEN
      - TZ=Asia/Shanghai
    volumes:
      - ./config:/config

确保将 YOUR_PLEX_TOKEN 替换为您的实际 Plex 令牌,并根据需要调整时区设置。

Python 安装

如果您更喜欢直接使用 Python 运行,可以按照以下步骤操作:

  1. 克隆 GitHub 仓库:

    git clone https://github.com/RemiRigal/Plex-Auto-Languages.git
    
  2. 安装依赖:

    cd Plex-Auto-Languages
    python3 -m pip install -r requirements.txt
    
  3. 创建配置文件 config.yaml,并填入必要的设置。

  4. 运行应用:

    python3 main.py -c ./config.yaml
    

配置 Plex-Auto-Languages

Plex-Auto-Languages 提供了丰富的配置选项,允许您根据自己的需求进行精细调整。您可以通过环境变量或 YAML 配置文件来设置这些选项。以下是一些关键配置项:

  • update_level:设置语言更新的范围(整个节目或当前季度)
  • update_strategy:选择更新所有剧集还是仅下一集
  • trigger_on_play:是否在播放时触发语言更新
  • trigger_on_scan:是否在库扫描时触发语言更新
  • scheduler:配置自动执行计划任务的时间
  • notifications:设置通知系统,支持多种通知渠道

通过仔细配置这些选项,您可以让 Plex-Auto-Languages 完美适配您的使用习惯和 Plex 环境。

结语

Plex-Auto-Languages 为 Plex 用户带来了一种全新的多语言内容管理方式。通过自动化语言选择,它不仅提高了用户体验,还大大减少了管理多语言媒体库的工作量。无论您是喜欢原声观看外语节目,还是偏好本地化配音,Plex-Auto-Languages 都能满足您的需求,让您的 Plex 媒体库更加智能和用户友好。

如果您是一位 Plex 用户,并且经常观看不同语言的内容,那么 Plex-Auto-Languages 绝对值得一试。它将为您的媒体观看体验带来显著的改善,让您可以更专注于享受内容本身,而不是被繁琐的语言设置所困扰。

现在就访问 Plex-Auto-Languages 的 GitHub 页面,开始您的智能语言管理之旅吧!

avatar
0
0
0
相关项目
Project Cover

YouTube-Agent.bundle

YouTube-Agent.bundle插件用于为Plex媒体服务器提供YouTube视频的元数据支持。通过文件名或.info.json文件中的视频ID查询相关信息,用户需自行配置YouTube API密钥并遵守命名规范以确保插件正常工作。详细的安装、使用和命名指引可参考说明。

Project Cover

Hama.bundle

Hama.bundle是一款专为Plex设计的动漫元数据代理。它可智能匹配AniDB、TVDB和TMDB的数据,提供海报、剧集截图和简介等信息。此外,Hama.bundle还支持本地媒体资源、多语言标题和集合映射,并生成详细日志便于社区更新数据库。这为动漫爱好者提供了强大而灵活的媒体库管理工具。

Project Cover

PlexAniSync

PlexAniSync是一个开源同步工具,可自动更新Plex动漫库与AniList的观看进度。主要功能包括多Plex库支持、自定义动漫映射和评分同步。该工具提供Docker镜像,便于部署。PlexAniSync基于Python开发,配置简单,有助于管理观看记录。此外,它还支持测试模式和单集同步,适用于不同使用场景。

Project Cover

overseerr

Overseerr是一个开源的媒体库请求管理系统。它可以集成Sonarr、Radarr和Plex等服务,实现Plex集成、请求管理、权限控制和通知功能。系统支持移动端访问,便于随时处理请求。Overseerr为用户提供了一个集中平台来管理和扩展媒体库。

Project Cover

Plex-Auto-Languages

Plex-Auto-Languages是一款智能化Plex TV剧集语言管理工具。它可自动根据用户当前语言更新剧集音频和字幕,无需逐集手动调整。支持多用户独立设置、按季或单集更新、定时任务和通知功能。兼容Docker和Python环境,安装简便,为用户提供流畅的多语言观影体验。

Project Cover

PlexAutoSkip

PlexAutoSkip是一个Python脚本,为Plex媒体服务器提供智能内容跳过功能。它能自动识别并跳过片头、广告等标记内容,支持多播放器同步工作,实时跟踪播放状态。通过多层验证机制,确保准确跳过不影响观看体验。用户可自定义跳过规则,如调整时间、设置客户端过滤等。支持Docker部署,是增强Plex功能的实用工具。

最新项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号