Tdarr

Tdarr

跨平台分布式媒体库转码与自动化管理系统

Tdarr是一款跨平台的分布式媒体库管理工具,专注于自动化转码和重新封装。它允许用户设定编解码器、容器格式和语言等规则,以优化设备兼容性和存储空间利用。Tdarr采用模块化架构,支持CPU和GPU并行处理,并通过插件系统提供灵活的自定义选项。该工具可与Sonarr和Radarr等媒体管理应用集成,支持Windows、Linux和macOS平台。

Tdarr视频转码媒体库管理FFmpeg插件系统Github开源项目

Tdarr V2:分布式转码系统

音频/视频库分析与转码/重新封装自动化

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/36da6148-18f3-413d-a6af-d8b9ac785cba.png"/> </p>
  • FFmpeg/HandBrake + 视频健康检查(Windows、macOS、Linux 和 Docker)

ImageVersion Reddit Discord

<h2> <a href="https://docs.tdarr.io/docs/installation/windows-linux-macos" target="_blank">设置/安装</a> </h2> <h2>关于:</h2> 更多信息可以在以下网站找到:

https://tdarr.io/

https://docs.tdarr.io/

构建版本

Tdarr V2 是一个跨平台的基于条件的转码应用程序,用于自动化媒体库转码/重新封装管理,以便按需处理您的媒体文件。例如,您可以为媒体设置所需的编解码器、容器、语言等规则,这有助于保持文件的组织性,并可以提高与您设备的兼容性。Tdarr 的一个常见用途是将视频文件从 h264 转换为 h265(hevc),节省 40%-50% 的大小。

该应用程序以点击即用的网络应用形式提供,由以下两个组件组成:

  • Tdarr_Server - 所有节点连接的中央进程
  • Tdarr_Node - 在同一/其他设备上运行的进程,从服务器收集任务

利用您闲置的硬件,使用适用于 Windows、Linux(包括 Linux arm/arm64)和 macOS 的 Tdarr 节点。

Tdarr 旨在与 Sonarr/Radar 等应用程序一起工作,并以模块化、并行化和可扩展性为目标而构建。您添加的每个库都有自己的转码设置、过滤器和计划。可以根据需要启动和关闭工作节点,并分为 4 种类型 - CPU/GPU 转码和 CPU/GPU 健康检查。工作节点限制可以通过调度程序管理,也可以手动管理。对于具有类似功能的桌面应用程序,请参阅 HBBatchBeast

  • 跨平台 Tdarr 节点,与 Tdarr 服务器协同工作处理您的文件
  • GPU 和 CPU 工作节点
  • 使用/创建 Tdarr 插件,无限制地控制文件处理方式: https://github.com/HaveAGitGat/Tdarr_Plugins
  • 音频和视频库管理
  • 7 天,24 小时调度程序
  • 文件夹监视器
  • 工作节点卡顿检测器
  • 库/驱动器之间的负载均衡
  • 使用 HandBrake 或 FFmpeg
  • 在 1,000,000 文件的模拟库上经过测试
  • 基于数百种属性搜索文件
  • 库统计信息
  • 硬件转码容器(在 unRAID 上安装 Nvidia 插件/在 Ubuntu 上安装 Nvidia 运行时容器)
<p align="center"> <img src="https://i.imgur.com/wRV6tBJ.png" height="300" /> </p>

统计信息

image

节点

image

任务报告

image

属性浏览器

image

工作节点判定历史

image

插件堆栈系统

image

属性搜索

image

库计划

image

Tdarr非常模块化和可配置,其主要理念是创建插件堆栈来清理和标准化您的文件。例如,一个典型的插件堆栈可能如下所示:

(1) 将非HEVC文件转码为HEVC

(2) 移除字幕

(3) 移除元数据(如果有标题)

(4) 如果没有,添加AAC立体声音轨(优先英语)

(5) 移除隐藏式字幕

在这个例子中,插件1、2、3和5是社区插件,您可以立即使用。插件4可以在Tdarr的插件创建界面中创建,并会显示为本地插件。

每个插件都是有条件的,只在需要时使用。它们位于Tdarr/Documents目录中,使用JavaScript编写。如果没有插件满足您的需求,您可以修改或创建新插件(如果您有一些编程经验或通过查看代码大致了解)。具体步骤请参阅此处的README:https://github.com/HaveAGitGat/Tdarr_Plugins 。如有需要,可在Discord频道寻求帮助。

以下是插件堆栈工作原理的示意图:

[图片]

关于"流"这个术语,以下是文件在Tdarr搜索结果中的显示示例:

[图片]

该文件有3个流 - 一个视频流、一个音频流和一个字幕流。字幕和隐藏式字幕是完全不同的。在这个例子中,隐藏式字幕数据在哪里?它嵌入在H264视频流中。

您不需要的额外流和隐藏式字幕可能会导致直接播放和同步文件的问题,所以最好将它们移除(建议使用Bazarr这样的工具来处理字幕)。即使在VLC或Kodi等程序中播放文件时,字幕/隐藏式字幕也可能导致播放延迟,并在视频跳转时造成几秒钟的卡顿。

额外的流也可能占用大量空间。不要惊讶于在您的库中看到一些文件包含15个以上的音轨/评论/字幕轨道,涵盖多种语言。这些可能每个文件额外占用1GB以上的空间。

插件创建器分为"过滤器"和"操作"两部分。过滤器包含操作,只有在满足过滤条件时才会执行操作。

当前过滤器:

按编解码器过滤 按媒体类型过滤 按年龄过滤 按分辨率过滤 按大小过滤

当前操作:

转码 - HandBrake基本选项 转码 - HandBrake/FFmpeg自定义参数 转码 - 标准化音频流编解码器 转码 - 添加音频流 转码 - 保留一个音频流 重新封装容器

某些操作/插件有内置过滤器(在插件创建器中指定)。这意味着它们会自动检测文件是否需要处理(例如移除字幕的社区插件)。可以添加额外的过滤器。

一些操作变得相当复杂,需要更多时间。例如,"保留一个音频流"有16种不同的结果,它会根据您指定的编解码器、语言和声道数来确定最佳的音频流。

如果您有新的过滤器/操作请求,请尝试从通用角度考虑,这样我可以以其他人也能配置和应用于他们(略有不同的)情况的方式实现它。可以在GitHub、Reddit或Discord上提出请求。

例如,为了最大化直接播放,可以使用这样的插件堆栈:

(1) 如果不是H264,转码为H264 [H264是比其他更通用的视频编解码器]

(2) 如果不是MP4,重新封装为MP4 [MP4是最通用的容器]

(3) 移除字幕

(4) 移除隐藏式字幕

(5) 如果没有,添加AAC立体声音轨(优先英语)[非常通用的音频编解码器/声道数]

(6) 如果检测到标题元数据,则移除元数据 [防止在Plex中出现烦人的标题]

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多