Sickbeard MP4 Automator 使用教程
2024-08-25 01:09:39作者:沈韬淼Beryl
1. 项目的目录结构及介绍
Sickbeard MP4 Automator 是一个用于自动转换视频文件并添加元数据标签的 Python 脚本。以下是其主要目录结构和介绍:
sickbeard_mp4_automator/
├── autoProcess.ini.sample
├── converter/
├── docs/
├── manual.py
├── postConversion.py
├── readme.md
├── setup/
├── sma.log
├── smi2srt.py
├── tag.py
├── upload.py
└── watch.py
autoProcess.ini.sample: 配置文件示例。converter/: 包含视频转换的相关脚本和工具。docs/: 项目文档。manual.py: 手动处理视频文件的脚本。postConversion.py: 转换后处理脚本。readme.md: 项目说明文档。setup/: 安装相关文件。sma.log: 日志文件。smi2srt.py: 字幕转换脚本。tag.py: 元数据标签处理脚本。upload.py: 上传处理脚本。watch.py: 监控目录脚本。
2. 项目的启动文件介绍
Sickbeard MP4 Automator 的启动文件主要是 manual.py 和 watch.py:
manual.py: 用于手动处理视频文件。你可以通过命令行运行此脚本来转换单个文件或批量文件。watch.py: 用于监控指定目录,当有新文件添加时自动进行转换处理。
3. 项目的配置文件介绍
配置文件 autoProcess.ini 是 Sickbeard MP4 Automator 的核心配置文件。以下是一些关键配置选项的介绍:
[Converter]
ffmpeg = C:\FFMPEG\ffmpeg.exe
ffprobe = C:\FFMPEG\ffprobe.exe
[MP4]
output_directory =
copy_to =
move_to =
output_extension = mp4
output_format = mp4
delete_original = True
relocate_moov = True
video-codec = h264,x264
audio-codec = aac
audio-language = eng
subtitle-language = eng
fullpathguess = True
tagfile = True
tag-language = eng
download-artwork = Poster
download-subs = False
embed-subs = True
sub-providers = addic7ed,podnapisi,thesubdb,opensubtitles
permissions = 0777
[Converter]: 指定 FFMPEG 和 FFPROBE 的路径。[MP4]: 配置输出目录、文件格式、编码器、语言等选项。delete_original: 是否删除原始文件。relocate_moov: 是否移动 MOOV 原子。video-codec: 视频编码器。audio-codec: 音频编码器。audio-language: 音频语言。subtitle-language: 字幕语言。tagfile: 是否添加元数据标签。embed-subs: 是否嵌入字幕。
以上是 Sickbeard MP4 Automator 的基本使用教程,详细配置和使用方法请参考项目官方文档和 readme.md 文件。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0180
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 Notebook0108
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。Java03
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
757
4.94 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++
853
1.9 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++
673
1.31 K
Ascend Extension for PyTorch
Python
716
864
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
454
435
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++
1.03 K
1.09 K
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
985
591
Claude 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 Started
Rust
1.75 K
180
昇腾LLM分布式训练框架
Python
178
217
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
250