推荐项目:Janitorr - 你的媒体库清洁专家
2024-05-29 15:32:00作者:管翌锬
项目介绍
在数字媒体日益发达的今天,服务器上的视频资源往往会堆积如山,如何有效管理并清理这些资源呢?Janitorr 正是为此而生。它是一款针对Plex和Jellyfin用户的智能媒体管理工具,帮助你自动清理那些长时间未观看或不再被需要的媒体文件。如果你厌倦了手动整理服务器,或者想让服务器空间始终保持最佳状态,Janitorr 将是你不可或缺的得力助手。
项目技术分析
Janitorr 利用了先进的算法和智能规则来确定哪些媒体文件应该被清理。它可以集成到Jellyfin、Radarr、Sonarr等应用程序中,获取媒体的元数据信息和历史观看记录。通过配置干运行模式,Janitorr 允许你在实际操作前预览可能的删除行为,确保安全无误。此外,该项目还支持创建"即将离开"的媒体集合,让用户有机会回顾尚未观看的内容。
项目及技术应用场景
- 自动清理:设定媒体文件的过期时间,例如,如果一部电影在过去三个月内没有被观看,Janitorr 就会将其标记为待删除。
- Jellyfin 集成:与Jellyfin配合,你可以通过首页的“即将离开”收藏看到即将被清理的媒体,并在规定时间内进行最后浏览。
- TV秀管理:对于电视剧,Janitorr 提供按季清理功能,避免删除错误的剧集。
- 请求管理:自动从Jellyseerr清除不再需要的请求,以及清理Jellyfin中的遗留元数据,保持媒体库整洁。
项目特点
- 安全第一:默认开启的干运行模式,允许你在执行任何删除操作之前先查看结果。
- 灵活设置:你可以自由设定媒体文件的过期天数,以满足个性化需求。
- 无缝集成:与多个主流媒体管理和下载应用(如Radarr、Sonarr)兼容,实现全方位的媒体管理。
- 界面友好:“即将离开”收藏功能提供了人性化提醒,让清理更透明。
要启动Janitorr,只需通过Docker部署即可,将配置文件映射到本地,并调整相关API密钥和其他参数,无需复杂的系统设置。
总的来说,无论你是个人家庭服务器的维护者,还是小型企业级媒体中心的管理员,Janitorr 都能帮你轻松管理庞大的媒体库,释放宝贵的存储空间。现在就加入Janitorr 的行列,让你的媒体世界更加有序、高效。
登录后查看全文
热门项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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 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
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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143