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
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust029
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (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
1.57 K
910
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
520
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
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
1.07 K
559
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
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
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
134
212