Feishin:现代自托管音乐播放器完整使用指南 🎵
Feishin是一款现代化的自托管音乐播放器,支持多种音乐服务器协议,为您带来完全掌控音乐体验的自由。无论您使用Navidrome、Jellyfin还是OpenSubsonic兼容的服务器,Feishin都能提供流畅的播放体验和美观的界面设计。
✨ 核心功能亮点
Feishin拥有多项强大的功能,让您的音乐体验更加完美:
- 双播放引擎:支持MPV播放器后端和Web播放器后端
- 智能播放列表:通过条件组合自动生成个性化播放列表
- 完整歌词支持:同步和非同步歌词显示,让您边听边唱
- 现代UI设计:深色主题,直观导航,响应式布局
- 跨平台支持:Windows、macOS、Linux、Docker全面覆盖
🖥️ 界面体验概览
Feishin的界面设计简洁优雅,让您轻松管理庞大的音乐库。主界面采用经典的左右分栏布局,左侧导航栏清晰分类音乐库和播放列表,右侧内容区动态展示推荐内容。
首页界面提供多种音乐发现方式,包括轮播推荐、最新添加专辑和个性化探索,让您每次打开都能发现新的音乐惊喜。
🎶 全屏播放体验
当您沉浸在音乐中时,Feishin的全屏播放界面提供沉浸式体验:
全屏界面不仅展示当前播放歌曲的详细信息,还提供完整的歌词显示功能。您可以在UP NEXT、RELATED和LYRICS标签页间自由切换,享受全方位的音乐体验。
📚 专辑管理功能
Feishin的专辑详情页面让您轻松浏览和管理音乐收藏:
专辑页面详细展示曲目列表、播放统计和音质信息,帮助您更好地了解自己的听歌习惯。
🧠 智能播放列表
这是Feishin最具特色的功能之一,通过Query Editor可以创建复杂的播放规则:
您可以设置多个条件组合,如按艺术家、年份、播放次数等,系统会自动为您生成符合要求的播放列表,真正做到智能化音乐推荐。
🚀 快速开始使用
桌面客户端安装(推荐)
桌面客户端是使用Feishin的最佳方式,支持MPV和Web播放器后端,并内置歌词获取功能。
Linux用户可以使用提供的安装脚本快速部署:
dir=/your/application/directory
curl 'https://raw.githubusercontent.com/jeffvli/feishin/refs/heads/development/install-feishin-appimage' | sh -s -- "$dir"
Docker部署
如果您偏好容器化部署,Feishin提供了完整的Docker支持:
# 运行最新版本
docker run --name feishin -p 9180:9180 ghcr.io/jeffvli/feishin:latest
🔧 配置指南
首次启动Feishin时,您需要完成几个简单的配置步骤:
- 设置MPV路径:选择系统中MPV播放器的二进制文件路径
- 添加音乐服务器:在设置中管理服务器,添加您的音乐服务器信息
- 个性化设置:根据您的偏好调整界面主题、播放选项等
📱 多平台适配
Feishin针对不同操作系统进行了优化:
- macOS:完整的媒体键支持和无障碍访问权限配置
- Linux:AppImage格式支持,自动生成桌面启动器
- Windows:原生Windows体验,无缝集成
💡 使用技巧
- 快捷键操作:熟悉常用的快捷键可以大幅提升使用效率
- 智能播放列表:善用查询编辑器创建符合您心情的播放列表
- 歌词同步:开启歌词显示功能,让音乐体验更加丰富
🎯 支持的服务器类型
Feishin兼容多种流行的音乐服务器:
- Navidrome:轻量级自托管音乐服务器
- Jellyfin:功能丰富的媒体服务器
- OpenSubsonic:任何符合OpenSubsonic标准的服务器
通过Feishin,您可以重新获得对音乐收藏的完全控制权,享受纯粹、无干扰的音乐体验。无论您是音乐爱好者还是技术爱好者,Feishin都能满足您对音乐播放器的所有期待。
开始您的Feishin之旅,体验现代自托管音乐播放器的魅力吧!🎧
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07



