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!🎥
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00