BilibiliUpload项目:Windows下直播录制后自动归档与转码方案
2025-06-15 12:40:43作者:傅爽业Veleda
在Windows环境下使用BilibiliUpload项目进行直播录制时,用户经常需要实现录制完成后自动归档到日期目录并执行转码操作的需求。本文将详细介绍如何通过脚本实现这一自动化流程。
需求分析
直播录制完成后通常会产生较大的视频文件,直接保存会占用大量存储空间且不易管理。主要需求包括:
- 按日期自动创建目录并移动文件
- 执行转码降低文件大小
- 在Windows环境下实现自动化
解决方案
基础方案尝试
用户最初尝试使用简单的shell命令实现文件移动:
{'postprocessor': [{'mv': 'E:\\path\\`date +%Y-%m-%H`'}]}
但发现Windows环境下会直接创建包含反引号的字面目录,无法正确解析日期变量。
Python脚本解决方案
更可靠的方案是使用Python脚本实现文件管理,以下是一个完整的实现示例:
import os
import shutil
import re
import subprocess
from datetime import datetime
# 设置输出目录
output_folder = "视频归档"
os.makedirs(output_folder, exist_ok=True)
# 获取当前目录下所有视频文件
video_files = [f for f in os.listdir() if os.path.isfile(f) and f.lower().endswith((".mp4", ".flv", ".mkv"))]
for video_file in video_files:
# 从文件名中提取日期信息
match = re.search(r'\d{4}-\d{2}-\d{2}', video_file)
if match:
# 使用匹配到的日期创建目录
date_str = match.group()
folder_path = os.path.join(output_folder, date_str)
os.makedirs(folder_path, exist_ok=True)
# 移动文件到对应目录
src_path = os.path.join(os.getcwd(), video_file)
dest_path = os.path.join(folder_path, video_file)
shutil.move(src_path, dest_path)
# 转码处理
output_file = os.path.join(folder_path, f"compressed_{video_file}")
ffmpeg_cmd = [
"ffmpeg",
"-i", dest_path,
"-c:v", "libx264",
"-crf", "28", # 控制质量,值越大压缩率越高
"-preset", "fast",
"-c:a", "copy", # 保持原音频
output_file
]
subprocess.run(ffmpeg_cmd)
# 可选:删除原始文件
os.remove(dest_path)
else:
print(f"无法从文件名 {video_file} 中提取日期信息,跳过处理")
print("视频文件处理完成:归档并转码")
关键点说明
-
日期提取:通过正则表达式从文件名中提取日期信息,假设文件名中包含类似"2025-04-01"的日期格式
-
目录创建:使用
os.makedirs创建日期目录,exist_ok=True参数确保目录已存在时不会报错 -
文件移动:
shutil.move函数实现文件移动操作 -
FFmpeg转码:使用subprocess调用FFmpeg进行视频压缩,关键参数:
-crf 28:控制输出质量与文件大小的平衡-preset fast:平衡编码速度与压缩率-c:a copy:直接复制音频流,避免重新编码
-
错误处理:对不符合命名规范的文件进行跳过处理
进阶优化建议
-
日志记录:添加详细的日志记录,便于排查问题
-
配置文件:将转码参数、目录结构等配置外置
-
多线程处理:对于大量文件可使用多线程加速处理
-
异常处理:增加更完善的异常捕获和处理机制
-
进度显示:添加处理进度显示功能
部署说明
- 确保系统已安装Python环境和FFmpeg
- 将脚本保存为
post_process.py - 在BilibiliUpload的postprocessor配置中调用此脚本
- 根据实际需求调整转码参数和目录结构
通过此方案,用户可以轻松实现直播录制后的自动化文件管理和转码处理,有效节省存储空间并保持文件组织有序。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
724
🎉 (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
1.06 K
616
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
198
74
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
1.03 K
460