matterbridge-shelly 的安装和配置教程
2025-05-24 03:45:04作者:虞亚竹Luna
项目基础介绍
matterbridge-shelly 是一个开源项目,它允许用户将 Shelly Gen 1、Gen 2、Gen 3、Gen 4 和 BLU 设备接入 Matter 协议。通过该插件,用户可以轻松地将 Shelly 设备集成到支持 Matter 的智能家居系统中,实现本地控制,无需依赖云端或 MQTT。
主要编程语言:JavaScript
项目使用的关键技术和框架
- Matter 协议:用于设备发现和控制的智能家居通信协议。
- mDNS (多播 DNS):用于在本地网络中自动发现 Shelly 设备。
- WebSocket:用于与 Shelly Gen 2 和 Gen 3 设备进行通信。
- CoIoT (CoAP over IoT):用于与 Shelly Gen 1 设备进行通信。
项目安装和配置准备工作
在开始安装和配置之前,请确保以下准备工作已经完成:
- 确保您的系统中已经安装了 Node.js。
- 准备一台可以运行 Matterbridge 的计算机或服务器。
- 确保您的 Shelly 设备已接入网络,并且能够通过其网页界面进行配置。
详细安装步骤
步骤 1:安装 Matterbridge
首先,您需要在您的系统中全局安装 Matterbridge。打开命令行工具,执行以下命令:
npm install -g matterbridge --omit=dev
如果您使用的是 Linux 系统,可能需要添加 sudo 来获取必要的权限:
sudo npm install -g matterbridge --omit=dev
步骤 2:配置 Matterbridge
安装完成后,您需要配置 Matterbridge。创建一个新的配置文件(例如 matterbridge.yml),并在其中添加以下内容:
config:
loglevel: debug
server:
protocol: tcp
address: 0.0.0.0
port: 8080
bridges:
- name: "shelly"
protocol: shelly
server: "localhost:8080"
enableMdnsDiscover: true
enableStorageDiscover: true
devices: []
根据您的网络环境和需求,您可能需要调整上述配置。
步骤 3:安装 matterbridge-shelly 插件
在 Matterbridge 的前端界面中,选择 matterbridge-shelly 插件并点击安装。如果您是通过 Docker 使用 Matterbridge,插件会自动加载。
步骤 4:配置 Shelly 设备
确保您的 Shelly 设备已正确配置,包括:
- 对于 Shelly Gen 1 设备,确保 CoIoT 服务已启用,并且 CoIoT 对等设置为多播。
- 对于 Shelly Gen 2 和 Gen 3 电池供电设备,确保已启用出站 WebSocket,并正确配置服务器地址。
- 对于 Shelly BLU 设备,确保您已选择一个支持 BLE 组件的设备作为 BLE 网关,并在网关设备上启用了蓝牙和蓝牙网关功能。
步骤 5:启动 Matterbridge
配置完成后,启动 Matterbridge。在命令行中执行以下命令:
matterbridge
Matterbridge 将开始运行,并自动发现网络中的 Shelly 设备。
步骤 6:验证设备状态
在 Matterbridge 的前端界面中,查看设备列表以确认 Shelly 设备是否已成功添加和识别。
以上就是 matterbridge-shelly 的安装和配置教程。请按照以上步骤操作,您应该能够成功将 Shelly 设备集成到您的智能家居系统中。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217