BilibiliUpload项目:Windows下直播录制后自动归档与转码方案
2025-06-15 01:54:30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
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 Notebook0114
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
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 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 Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220