如何使用B站录播姬:2025最新完整教程,让你轻松录制直播内容🎥
B站录播姬(BililiveRecorder)是一款强大的开源直播录制工具,专为B站(Bilibili)用户设计,能够自动监视直播间并在开播时立即开始录制,支持多直播间同时录制、自动分段和弹幕下载等实用功能。无论是个人收藏喜爱的直播内容,还是用于直播存档,这款工具都能满足你的需求。
📌 项目核心功能介绍
B站录播姬作为一款专注于B站直播录制的工具,具备以下核心特性:
- 多直播间监控:同时监视多个直播间,开播自动录制,无需人工干预。
- 智能分段录制:在主播连麦、PK或断开连接时自动分段,确保视频完整性。
- 弹幕同步下载:同步录制直播弹幕,还原完整直播体验。
- 轻量化设计:占用资源少,后台稳定运行,适合长时间录制。
🚀 快速上手:3步安装与配置指南
1️⃣ 一键安装:获取最新版本
首先,通过以下命令克隆项目仓库到本地:
git clone https://gitcode.com/gh_mirrors/bi/BililiveRecorder.git
进入项目目录:
cd BililiveRecorder
2️⃣ 简单配置:设置直播间ID
编辑配置文件 config.json,添加需要监控的直播间ID和录制参数:
nano config.json
配置示例(参考 configV3.schema.json):
{
"rooms": [
{
"roomId": 123456,
"recordDanmaku": true,
"cuttingMode": "Auto"
}
]
}
3️⃣ 启动录制:开始你的直播存档之旅
使用以下命令启动录播姬:
dotnet run --project BililiveRecorder.Cli
启动后,工具将自动监控配置的直播间,开播即录,无需人工操作。
💡 实用技巧:让录制更高效
📂 自定义存储路径
修改配置文件中的 outputDirectory 参数,将录制文件保存到指定文件夹:
"outputDirectory": "/path/to/your/folder"
⏱️ 调整分段策略
根据直播类型选择分段模式,支持 Auto(自动)、Manual(手动)和 None(不分段),配置路径:BililiveRecorder.Core/Config/CuttingMode.cs。
📊 实时监控录制状态
通过查看日志文件或使用Web界面监控录制状态,日志文件路径:logs/recorder.log。
🌟 应用场景与最佳实践
🎯 个人直播收藏
设置录播姬自动录制关注主播的直播,错过直播也能随时回看。例如,配置多个游戏主播的直播间ID,自动收集精彩游戏瞬间。
📋 直播内容存档
自媒体创作者可使用录播姬存档自己的直播内容,方便后续剪辑和二次创作,搭配弹幕文件让视频更具互动性。
🚫 避坑指南
- 定期更新:通过
git pull获取最新代码,修复已知bug(项目地址:BililiveRecorder.sln)。 - 备份配置:定期备份
config.json,防止配置丢失。 - 网络稳定:确保网络通畅,避免录制中断(可在配置中设置重试机制)。
🛠️ 生态扩展:丰富工具链
🌐 Web管理界面
通过 BililiveRecorder.Web 模块,可在浏览器中管理录制任务,支持远程监控和配置修改。
🛠️ 视频后期处理
配合 BililiveRecorder.ToolBox 工具集,可对录制的视频进行裁剪、合并和弹幕提取等操作,提升视频处理效率。
📝 常见问题解答
Q:录播姬支持哪些操作系统?
A:支持 Windows、Linux 和 macOS,推荐使用 Linux 服务器进行长时间录制。
Q:如何解决录制卡顿问题?
A:检查网络带宽,降低录制画质(调整 streamQuality 参数),或清理磁盘空间。
Q:能否录制付费直播?
A:录播姬仅支持录制公开直播内容,不支持付费或加密直播。
🎉 总结
B站录播姬是一款功能强大、操作简单的直播录制工具,无论是个人用户还是内容创作者,都能通过它轻松实现直播内容的自动化存档。赶快按照本教程配置,开启你的直播录制之旅吧!如果遇到问题,欢迎查阅官方文档或提交Issue反馈。
提示:项目持续更新,关注 README.md 获取最新功能和使用技巧。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00