BiliTools v1.3.8版本发布:NFO元数据刮削与多项功能优化
BiliTools是一款专注于Bilibili视频下载与管理的开源工具,它能够帮助用户高效地获取Bilibili平台上的视频内容,并提供丰富的格式选择和元数据处理功能。本次发布的v1.3.8版本带来了多项重要更新和修复,特别是新增了NFO元数据刮削功能,进一步提升了视频管理的专业性。
NFO元数据刮削功能(预览版)
本次更新的亮点之一是新增了NFO元数据刮削功能。NFO文件是一种常见的元数据存储格式,广泛应用于多媒体文件管理系统中。通过这一功能,BiliTools现在能够为下载的视频生成包含丰富信息的NFO文件,这些信息可能包括:
- 视频标题和描述
- 上传者信息
- 发布时间和分类
- 视频标签和关键词
- 其他相关元数据
这一功能目前处于预览阶段,意味着它已经可用但可能还需要进一步的优化和完善。对于使用专业媒体管理软件(如Kodi、Plex等)的用户来说,这一功能将大大提升视频库的管理体验。
DASH格式增强
v1.3.8版本对DASH格式的支持进行了增强,新增了格式描述信息。DASH(Dynamic Adaptive Streaming over HTTP)是一种自适应流媒体传输协议,能够根据网络条件动态调整视频质量。通过增加描述信息,用户现在可以更清楚地了解DASH格式的特点和优势,做出更明智的下载选择。
多项问题修复
本次更新还解决了多个影响用户体验的问题:
-
界面溢出修复:解决了选择界面可能出现的溢出问题,提升了界面布局的稳定性。
-
音频格式解析改进:
- 修复了FLAC音频格式的解析问题,确保高质量音频的完整下载
- 解决了Dolby音频格式的解析异常,提升了对杜比音效的支持
-
链接解析优化:
- 修复了收藏夹链接解析问题,确保用户能够顺利下载收藏夹中的内容
- 改进了MP4格式的解析逻辑,提高了对这种常见视频格式的兼容性
存储版本更新
v1.3.8版本将STORAGE_VERSION更新至6,这表明工具内部的数据存储结构可能发生了变化。对于开发者而言,这意味着需要注意数据迁移和兼容性问题;对于普通用户,这一变化通常是透明的,但可能会带来性能或稳定性的提升。
跨平台支持
BiliTools继续保持良好的跨平台特性,提供了多种平台的安装包:
- Windows平台:提供标准的exe安装包和NSIS打包版本
- macOS平台:提供针对不同架构(x64、aarch64)的dmg安装包,以及通用版本
- 应用打包:提供tar.gz格式的应用打包,方便不同环境下的部署
总结
BiliTools v1.3.8版本通过引入NFO元数据刮削功能,进一步强化了其作为专业视频下载和管理工具的地位。同时,多项问题修复和功能优化提升了工具的稳定性和用户体验。对于需要高效管理Bilibili视频内容的用户,特别是那些使用专业媒体库管理系统的用户,这一版本值得升级。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00