go2rtc 项目下载及安装教程
2026-02-06 05:07:22作者:滑思眉Philip
项目介绍
go2rtc 是一个终极的摄像头流媒体应用程序,支持多种流媒体协议,包括 RTSP、RTMP、HTTP-FLV、WebRTC、MSE、HLS、MP4、MJPEG、HomeKit、FFmpeg 等。该项目具有零依赖和零配置的特点,适用于所有操作系统(Windows、macOS、Linux、ARM),并且具有最低可能的流媒体延迟。
项目下载
你可以通过 Git 克隆项目到本地:
git clone https://gitcode.com/GitHub_Trending/go/go2rtc.git
安装环境配置
在安装 go2rtc 之前,请确保你的系统满足以下要求:
- 操作系统:Windows、macOS、Linux、ARM
- 依赖:无外部依赖,但建议安装 FFmpeg 以支持更多功能
- 网络:需要网络连接以获取流媒体数据
Windows 环境配置
-
安装 Git:
- 下载并安装 Git for Windows
- 安装完成后,打开命令提示符(CMD)或 PowerShell
-
安装 FFmpeg(可选):
- 下载 FFmpeg 预编译二进制文件
- 解压并将其路径添加到系统环境变量中
macOS 环境配置
-
安装 Homebrew(可选):
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" -
安装 Git:
brew install git -
安装 FFmpeg(可选):
brew install ffmpeg
Linux 环境配置
-
安装 Git:
sudo apt-get update sudo apt-get install git -
安装 FFmpeg(可选):
sudo apt-get install ffmpeg
项目安装方式
二进制文件安装
下载适合你操作系统的最新二进制文件:
go2rtc_win64.zip- Windows 10+ 64位go2rtc_win32.zip- Windows 10+ 32位go2rtc_linux_amd64- Linux 64位go2rtc_linux_arm64- Linux ARM 64位(如树莓派64位系统)go2rtc_mac_amd64.zip- macOS 11+ Intel 64位go2rtc_mac_arm64.zip- macOS ARM 64位
对于 Linux 和 Mac 系统,下载后需要赋予执行权限:
chmod +x go2rtc_xxx_xxx
Docker 安装
使用 Docker 容器部署 go2rtc:
docker run -d \
--name go2rtc \
--network host \
--privileged \
--restart unless-stopped \
-e TZ=Asia/Shanghai \
-v ~/go2rtc:/config \
alexxit/go2rtc
或者使用 Docker Compose:
services:
go2rtc:
image: alexxit/go2rtc
network_mode: host
privileged: true
restart: unless-stopped
environment:
- TZ=Asia/Shanghai
volumes:
- "~/go2rtc:/config"
项目启动和使用
启动服务
直接运行二进制文件:
./go2rtc_linux_amd64
或者使用 Docker 启动:
docker start go2rtc
访问 Web 界面
打开浏览器访问:http://localhost:1984/
配置文件
go2rtc 默认会在当前工作目录查找 go2rtc.yaml 配置文件。你可以通过 Web 界面编辑配置或手动创建配置文件。
基本配置示例:
streams:
camera1: rtsp://username:password@192.168.1.100/stream
camera2: http://192.168.1.101/video.mjpeg
api:
listen: ":1984"
rtsp:
listen: ":8554"
webrtc:
listen: ":8555"
功能特性
go2rtc 提供丰富的流媒体功能:
- 支持多种输入源:RTSP、RTMP、HTTP-FLV、MJPEG、JPEG 快照等
- 支持多种输出协议:WebRTC、MSE、MP4、HLS、RTSP 等
- 双向音频支持,可与摄像头进行语音对讲
- 实时转码功能,支持硬件加速
- HomeKit 摄像头支持
- 零配置设计,开箱即用
常见问题
端口说明
- API 服务器默认端口:1984 (TCP)
- RTSP 服务器默认端口:8554 (TCP)
- WebRTC 使用端口:8555 (TCP/UDP)
网络要求
对于 WebRTC 功能,建议使用 network_mode: host 模式运行 Docker 容器,以确保 UDP 端口的正常通信。
硬件加速
如果需要硬件转码加速,可以使用带有硬件支持的 Docker 镜像:
docker run -d --name go2rtc --network host --privileged --gpus all alexxit/go2rtc:latest-hardware
通过以上步骤,你可以成功下载并安装 go2rtc 项目,开始使用其强大的流媒体功能。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
3D动漫渲染与卡通风格实现:Poiyomi Toon Shader全解析7个颠覆性技巧:用Virt-Manager实现虚拟机管理效率倍增告别会议截止日焦虑:AI Deadlines让全球学术日程管理化繁为简3个步骤掌握ESP32音频开发:从硬件连接到物联网音频方案突破设备限制:VR-Reversal解锁3D视频新玩法——普通设备实现自由视角观看的技术方案开源工具G-Helper启动优化与故障解决指南4大维度破解地理空间智能难题:面向研究者与从业者的AI工具指南3步掌握英雄联盟回放深度分析:从安装到战术拆解Windows驱动签名绕过与内核工具实践指南CyberdropBunkrDownloader:多平台文件下载工具全解析
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
947
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
302
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
