哔哩下载姬downkyicore:跨平台B站视频下载神器,支持Windows/macOS/Linux全系统
B站视频下载仍面临三大痛点:Windows专用工具无法跨平台使用、高清晰度(8K/HDR)资源下载困难、批量操作效率低下。哔哩下载姬downkyicore基于AvaloniaUI框架开发,实现Windows/macOS/Linux全系统覆盖,集成Aria2下载引擎与FFmpeg处理工具,支持8K/HDR/杜比视界等超高清资源解析,提供批量下载与音视频工具箱功能,彻底解决跨平台下载难题。
项目架构与核心优势
downkyicore采用分层架构设计,核心模块包括B站API解析层、下载引擎层、音视频处理层与跨平台UI层。项目基于.NET6构建,通过AvaloniaUI实现全平台UI渲染,封装FFmpeg与Aria2作为底层依赖,无需用户额外配置运行环境。
跨平台技术架构
flowchart TD
A[跨平台UI层] -->|AvaloniaUI| B(Windows/macOS/Linux渲染)
C[业务逻辑层] --> D[B站API解析模块]
C --> E[下载任务管理模块]
C --> F[音视频处理模块]
G[底层依赖层] --> H[FFmpeg音视频处理]
G --> I[Aria2下载引擎]
G --> J[SQLite数据存储]
C --> A
C --> G
核心优势体现在三方面:
- 全平台覆盖:基于AvaloniaUI实现一次编码多端运行,二进制文件体积控制在80MB以内
- 零依赖部署:内置.NET6运行时、FFmpeg与Aria2,解压即可使用
- 原生性能优化:针对不同平台编译优化,macOS平台支持M1/M2芯片硬件加速
默认下载路径设计
| 操作系统 | 默认路径 | 可配置性 |
|---|---|---|
| Windows | 软件运行目录/Media | 支持自定义路径 |
| macOS | ~/Library/Application Support/DownKyi/Media | 支持环境变量配置 |
| Linux | ~/.config/DownKyi/Media | 遵循XDG规范 |
功能解析与技术实现
B站API解析系统
B站视频下载的核心在于签名算法破解与流媒体URL解析。项目通过BiliApi模块实现完整的API封装,包括:
- 视频信息解析:VideoInfo.cs实现视频元数据提取,支持番剧、电影、课程等多种内容类型
- 签名算法:WbiSign.cs实现B站最新WBI签名算法,确保API请求有效性
- 流媒体解析:VideoStream.cs支持FLV/MP4格式解析,最高支持8K分辨率与杜比视界
关键代码示例(视频信息解析):
public async Task<VideoInfo> GetVideoInfo(string bvId)
{
var apiUrl = $"https://api.bilibili.com/x/web-interface/view?bvid={bvId}";
var response = await WebClient.GetAsync(apiUrl);
var jsonData = JObject.Parse(await response.Content.ReadAsStringAsync());
return new VideoInfo
{
Title = jsonData["data"]["title"].ToString(),
Author = jsonData["data"]["owner"]["name"].ToString(),
Duration = jsonData["data"]["duration"].ToObject<int>(),
// 解析多分辨率流信息
Streams = await ParseVideoStreams(jsonData["data"]["cid"].ToString(), bvId)
};
}
多线程下载引擎
下载引擎基于Aria2实现,通过DownloadService封装下载任务管理:
- 任务调度:支持100+并发任务,通过优先级队列实现下载顺序控制
- 断点续传:基于Aria2的HTTP断点续传能力,支持网络中断恢复
- 速度控制:可配置全局/单任务下载速度限制,避免网络拥塞
Aria2集成代码示例:
public async Task AddDownloadTask(VideoStream stream, string savePath)
{
var ariaClient = new AriaClient("http://localhost:6800/jsonrpc");
var options = new Dictionary<string, object>
{
{ "out", $"{stream.Quality}_{stream.Format}.mp4" },
{ "dir", savePath },
{ "max-connection-per-server", 16 },
{ "header", new[] { "User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7)..." } }
};
return await ariaClient.AddUri(new[] { stream.Url }, options);
}
音视频工具箱
工具箱模块提供实用媒体处理功能,基于FFmpeg实现:
- 格式转换:支持FLV转MP4、音频提取(MP3/AAC)
- 去水印:通过Delogo功能实现B站视频水印智能移除
- 弹幕转换:Danmaku2Ass模块将XML弹幕转换为ASS字幕
实战指南与最佳实践
快速开始流程
- 获取视频链接:复制B站视频页面URL或BV号
- 解析视频信息:粘贴链接至软件,自动解析可用清晰度与格式
- 配置下载参数:选择分辨率、格式与保存路径
- 启动下载任务:支持单视频/批量下载,实时显示下载进度
高级功能使用
8K/HDR视频下载
- 在视频解析页面勾选"启用高级下载模式"
- 分辨率选择"8K",色彩空间选择"HDR10"或"杜比视界"
- 确认下载路径有足够空间(8K视频单集可达20GB+)
- 建议使用有线网络,8K视频推荐下载速度≥50Mbps
批量下载管理
通过DownloadManager实现批量任务管理:
- 任务排序:支持拖拽调整下载顺序
- 速度限制:全局限制与单任务限制独立设置
- 自动重命名:FileName.cs支持自定义命名规则,变量包括{BV}{标题}{UP主}_{分辨率}
常见问题解决方案
| 问题 | 解决方案 | 相关文件 |
|---|---|---|
| 下载速度慢 | 1. 检查Aria2连接数设置 2. 切换下载节点 |
AriaConfig.cs |
| 解析失败 | 1. 更新软件至最新版 2. 检查网络代理设置 |
NetworkSettings.cs |
| 视频无法播放 | 1. 尝试重新合并音视频 2. 更换播放器(推荐PotPlayer) |
FFMpeg.cs |
项目结构与扩展指南
源代码组织结构
downkyicore/
├── DownKyi.Core/ # 核心功能库
│ ├── BiliApi/ # B站API封装
│ ├── Aria2cNet/ # Aria2下载引擎
│ ├── Danmaku2Ass/ # 弹幕处理
│ └── FFMpeg/ # 音视频处理
├── DownKyi/ # UI应用程序
│ ├── Views/ # 界面视图
│ ├── ViewModels/ # 视图模型
│ └── Resources/ # 资源文件
└── script/ # 构建脚本
├── macos/ # macOS打包脚本
└── pupnet/ # Linux打包配置
自定义开发扩展
开发者可通过以下方式扩展功能:
- 新增下载源:实现IVideoSource接口
- 添加新工具:在Toolbox模块添加新功能页
- 主题定制:修改ThemeDefault.axaml实现自定义主题
许可证与免责声明
downkyicore采用MIT许可证开源,代码可自由用于学习交流。项目仅提供视频解析功能,不存储任何视频资源,所有内容版权归原作者所有。根据免责声明,用户需在下载后24小时内删除内容,不得用于商业用途。
项目地址:https://gitcode.com/gh_mirrors/do/downkyicore 最新版本:v2.5.0(2025-09-15) 开发文档:docs目录
功能演进路线图
timeline
title downkyicore功能演进计划
2025Q1 : 支持杜比视界下载
2025Q2 : 添加AI字幕生成
2025Q3 : 实现WebDAV远程存储
2025Q4 : 开发移动端配套APP
通过持续迭代,downkyicore致力于成为功能最完善的B站视频下载工具,为跨平台用户提供一致的高质量体验。建议用户定期查看更新日志获取最新功能信息。
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