终极指南:3步快速获取B站推流码(告别直播姬限制!)
想要绕过B站直播姬,直接在OBS中进行B站直播推流吗?这个开源工具让你轻松获取B站直播推流码,实现第三方推流直播。本教程将详细介绍如何使用这个强大的B站推流码获取工具。
🎯 工具核心优势
✅ 完全免费开源 - 无需付费,代码透明可查 ✅ 绕过直播姬限制 - 直接在OBS等第三方软件推流 ✅ 安全可靠 - 不会导致封号,仅获取推流信息 ✅ 双登录方式 - 支持扫码登录和手动Cookie获取 ✅ 多功能集成 - 同时支持修改直播标题和分区
📦 环境准备与安装
首先克隆项目到本地:
git clone https://gitcode.com/gh_mirrors/bi/bilibili_live_stream_code
cd bilibili_live_stream_code
安装所需依赖(确保已安装Python 3.6+):
pip install requests qrcode[pil] pillow
🚀 3步快速开始教程
第一步:选择登录方式
工具提供两种获取B站推流码的方式:
方法一:一键扫码登录(推荐)
运行主程序:
python Code/B站推流码获取工具_UI.py
程序会自动生成二维码,使用B站APP扫码即可快速登录。
方法二:手动获取Cookie
如果扫码登录失败,可以手动获取Cookie:
- 登录B站网页端并进入直播间
- 按F12打开开发者工具,选择"网络"标签
- 发送任意弹幕,找到名为"send"的请求
- 复制请求头中的Cookie和表单数据中的csrf值
第二步:配置直播设置
登录成功后,在工具界面中:
- 设置直播标题 - 输入你想要的直播标题
- 选择直播分区 - 从下拉菜单中选择合适的直播分区
- 确认房间ID - 工具会自动获取你的直播间ID
第三步:获取推流码并配置OBS
点击"开始直播"按钮,工具会生成:
- 服务器地址 - 推流服务器URL
- 推流码 - 一次性的推流密钥
在OBS中配置推流设置:
- 打开OBS设置 → 推流
- 服务选择"自定义"
- 服务器粘贴工具生成的服务器地址
- 推流码粘贴工具生成的推流码
⚠️ 重要注意事项
必须使用程序下播 - OBS停止推流不会自动下播,必须在工具中点击"停止直播"按钮,否则直播间会一直显示直播中状态!
推流码一次性使用 - 每次直播都需要重新获取新的推流码
Cookie有效期 - 扫码登录的Cookie有一定有效期,失效后需要重新登录
🔧 高级功能详解
修改直播标题和分区
除了获取推流码,工具还提供:
- 标题修改功能 - Code/B站直播标题修改工具.py
- 分区修改功能 - Code/B站直播分区修改工具.py
配置文件说明
工具使用Code/config.ini存储基础配置,首次运行会自动生成。
🎯 常见问题解答
Q: 这个工具安全吗?会被封号吗? A: 工具仅获取推流信息,不会修改账号数据,目前没有封号案例。
Q: 推流码可以重复使用吗? A: 不可以,每次直播都需要重新获取。
Q: 扫码登录失败怎么办? A: 可以尝试手动获取Cookie方式,具体步骤见上文。
Q: 支持Mac和Linux吗? A: 工具主要支持Windows,但代码兼容性较好,可以尝试在其他系统运行。
💡 使用技巧
- 定期更新 - 关注项目更新,获取最新功能
- 备份配置 - 重要的推流码信息可以导出保存
- 网络稳定 - 确保网络连接稳定,避免推流中断
- 测试直播 - 正式直播前先进行测试直播
通过这个B站推流码获取工具,你可以完全摆脱B站直播姬的限制,享受更专业的OBS直播体验。记住最重要的规则:一定要用程序下播!
Happy Streaming!🎥
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08