【亲测免费】 pyatv 项目使用教程
1. 项目介绍
pyatv 是一个用于与 Apple TV 和 AirPlay 设备交互的异步 Python 库。它主要针对所有代次的 Apple TV(包括 tvOS 15 及更高版本),但也支持通过 AirPlay 进行音频流式传输到 HomePod、AirPort Express 和第三方扬声器等接收器。此外,它还可以作为 macOS 中 Music 应用/iTunes 的遥控器。
pyatv 提供了丰富的功能,包括远程控制命令、元数据检索、AirPlay 流媒体、列出并启动已安装的应用、管理用户账户、添加或移除音频输出设备(如 HomePods)、键盘支持以及持久存储凭证和设置等。
2. 项目快速启动
安装 pyatv
你可以通过 pip 安装 pyatv:
pip install pyatv
设置新设备
使用 atvremote 工具设置新设备:
atvremote wizard
该命令会扫描并列出可用的设备,选择你要设置的设备并输入 PIN 码进行配对。
示例命令
设置完成后,你可以直接运行其他命令:
# 获取当前播放状态
atvremote -s 10.0.10.254 playing
# 暂停播放
atvremote -s 10.0.10.254 pause
# 继续播放
atvremote -n FakeATV play
使用 Docker 运行
你也可以使用 Docker 运行 pyatv:
docker run -it --rm --network=host ghcr.io/postlund/pyatv:0.14.0 atvremote scan
3. 应用案例和最佳实践
远程控制 Apple TV
pyatv 可以用于远程控制 Apple TV,例如播放、暂停、调整音量等操作。这对于家庭自动化系统非常有用,可以通过编程实现自动化控制。
音频流式传输
通过 pyatv,你可以将音频流式传输到支持 AirPlay 的设备,如 HomePod、AirPort Express 等。这对于构建多房间音频系统非常有用。
元数据检索
pyatv 可以检索当前播放的媒体元数据,包括标题、艺术家、播放位置等信息。这对于构建媒体监控系统非常有用。
4. 典型生态项目
Home Assistant
Home Assistant 是一个开源的家庭自动化平台,其 Apple TV 集成由 pyatv 提供支持。通过 Home Assistant,用户可以自动化控制 Apple TV 和其他智能家居设备。
node-pyatv
node-pyatv 是一个基于 pyatv 构建的 Node.js 绑定库,允许开发者在 Node.js 环境中使用 pyatv 的功能。
pyatv-mqtt-bridge
pyatv-mqtt-bridge 是一个 MQTT 桥接器,允许用户通过 MQTT 协议远程控制 Apple TV。它基于 node-pyatv 构建。
homebridge-appletv-enhanced
homebridge-appletv-enhanced 是一个 Homebridge 插件,提供了 HomeKit 中本应原生支持的功能。它也使用了 pyatv 来实现 Apple TV 的控制。
通过这些生态项目,pyatv 的功能得到了进一步扩展和应用,为用户提供了更多的自动化和控制选项。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00