Senpwai 开源项目教程
1. 项目介绍
Senpwai 是一个用于批量下载动漫的桌面应用程序。它支持从 Animepahe 和 Gogoanime 等网站下载动漫,并且能够自动下载新发布的剧集。Senpwai 具有以下主要功能:
- 批量下载动漫
- 自动下载新剧集
- 支持多种视频质量(360p、480p、720p、1080p)
- 支持下载字幕或配音版本
- 自动检测已下载的剧集,避免重复下载
Senpwai 是开源的,基于 Python 开发,支持 Windows、Linux 和 macOS 平台。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 Python 3.11 或更高版本。然后,使用以下命令安装 Senpwai:
pip install senpwai
2.2 克隆项目
如果你需要从源代码构建 Senpwai,可以使用以下命令克隆项目:
git clone https://github.com/SenZmaKi/Senpwai.git
cd Senpwai
2.3 安装开发依赖
进入项目目录后,安装开发依赖:
pip install -r dev-requirements.txt
poetry install
2.4 构建应用程序
使用以下命令构建 Senpwai 应用程序:
poetry run poe build_senpwai_exe
构建完成后,生成的可执行文件将位于 Senpwai/build/Senpwai 目录中。
2.5 运行应用程序
你可以直接通过 Python 运行 Senpwai:
poetry shell
python -m senpwai
3. 应用案例和最佳实践
3.1 批量下载动漫
Senpwai 非常适合需要批量下载动漫的用户。例如,你可以使用 Senpwai 下载整个季度的动漫,或者下载特定范围内的剧集。
senpwai download --anime "Naruto" --range 1-220 --quality 720p
3.2 自动下载新剧集
Senpwai 可以自动检测并下载新发布的剧集。你只需要设置好要跟踪的动漫,Senpwai 会在新剧集发布时自动下载。
senpwai track --anime "One Piece" --quality 1080p
3.3 避免重复下载
Senpwai 会自动检测已下载的剧集,避免重复下载。这对于需要定期更新动漫库的用户非常有用。
4. 典型生态项目
4.1 Senpcli
Senpcli 是 Senpwai 的命令行界面版本,它去除了 GUI,但保留了大部分基本功能。Senpcli 适合那些更喜欢使用命令行工具的用户。
4.2 Animepahe 和 Gogoanime
Senpwai 支持从 Animepahe 和 Gogoanime 下载动漫。这两个网站是流行的动漫资源网站,提供了大量的动漫资源。
4.3 FFmpeg
Senpwai 在 HLS 模式下下载 Gogoanime 的动漫时,需要 FFmpeg 的支持。FFmpeg 是一个强大的多媒体处理工具,能够处理视频和音频的编码、解码、转码等操作。
通过以上教程,你应该能够快速上手并使用 Senpwai 进行动漫的批量下载和自动更新。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00