LRCGET:2025年最实用的音乐歌词批量下载神器,让你的本地音乐库秒变KTV! 🎵
LRCGET 是一款开源的歌词批量下载工具,专为音乐爱好者打造!它能自动扫描你电脑中的音乐文件,一键匹配并下载同步歌词(LRC文件),让你在本地音乐播放器中也能享受精准的歌词同步体验。无论是Windows、macOS还是Linux系统,都能轻松适配,彻底告别手动搜索歌词的烦恼!
🚀 核心功能:让歌词下载像呼吸一样简单
LRCGET 的核心魅力在于**「智能扫描+批量下载」**的无缝体验:
- 自动目录扫描:选择你的音乐文件夹后,工具会自动识别所有音乐文件(支持常见格式如MP3、FLAC等)
- 精准歌词匹配:通过LRCLIB官方接口,基于歌曲元信息(标题、艺术家、专辑)智能匹配最佳LRC歌词
- 同步保存机制:下载的歌词文件会自动以「音乐文件名.lrc」格式保存到同一目录,播放器无需额外设置
- 本地优先策略:已存在的LRC文件不会重复下载,节省带宽和时间
💻 全平台支持:告别系统限制,音乐无界
LRCGET v1.0.1版本已实现全平台覆盖,无论你使用什么设备,都能享受一致的歌词下载体验:
- ✅ Windows 10/11:完美支持64位系统,轻量级安装包仅需10MB
- ✅ Linux:提供Ubuntu deb包和通用AppImage格式,兼容KDE、GNOME等主流桌面环境
- ✅ macOS:支持Intel和Apple Silicon芯片,原生ARM架构优化
⚠️ 注意:Linux用户若遇到音频无法播放问题,可通过安装
pipewire-alsa包解决:sudo apt install pipewire-alsa(Ubuntu/Debian系统)
📸 界面预览:简约设计,强大功能
LRCGET采用现代化UI设计,功能分区清晰直观,即使是新手也能快速上手:
1️⃣ 音乐库管理界面
左侧展示艺术家/专辑分类,右侧显示歌曲列表及歌词状态,支持按「歌词缺失」「已下载」等条件筛选
2️⃣ 歌词编辑功能
内置歌词编辑器,可手动调整时间轴、修正错误歌词,支持直接发布到LRCLIB社区
3️⃣ 播放预览体验
集成迷你播放器,可实时预览歌词同步效果,调整播放进度时歌词会自动跟随
🔧 快速上手:3步完成歌词下载
1️⃣ 下载与安装
访问项目发布页面获取对应系统的安装包,按照提示完成安装。Windows用户可直接运行exe安装程序,Linux用户推荐使用AppImage格式(无需安装,双击即可运行)。
2️⃣ 添加音乐目录
首次启动后,点击主界面「选择音乐目录」按钮,导航到你的本地音乐文件夹(如Music/或我的音乐/),工具会自动开始扫描。
3️⃣ 一键批量下载
在音乐库界面点击「全部下载」按钮,或勾选需要下载的歌曲后点击「下载选中」,LRCGET会自动处理所有歌词下载任务,状态栏会实时显示进度。
🛠️ 开发者指南:从源码构建你的个性化版本
如果你想自定义功能或参与开发,LRCGET的开源特性让二次开发变得简单:
环境准备
需安装以下依赖:
- Rust 1.81.0+(后端核心)
- NodeJS v16.18.0+(前端Vue框架)
- Tauri开发环境(跨平台应用框架)
源码获取
通过Git克隆仓库:
git clone https://gitcode.com/gh_mirrors/lr/lrcget
cd lrcget
开发启动
npm install # 安装前端依赖
npm run tauri dev # 启动开发模式
打包构建
npm run tauri build # 生成生产环境安装包
构建产物会保存在src-tauri/target/release/目录下。
❓ 常见问题解决指南
🖱️ Linux滚动条不可见?
在KDE Plasma桌面环境中,可通过「系统设置 > 外观 > 全局主题 > 应用程序样式」将GTK主题切换为Awaita或Default解决。
🚫 Windows无法打开应用?
若提示「缺少WebView2组件」,需安装Microsoft Edge WebView2运行时(可从微软官网下载)。
🎶 歌词匹配不准确?
可在歌曲右键菜单中选择「手动搜索歌词」,通过调整搜索关键词(如添加专辑名)获得更精准结果。
🎯 为什么选择LRCGET?
相比在线歌词插件或网页工具,LRCGET的优势在于:
- 完全离线使用:下载后的歌词永久保存在本地,不受网络限制
- 批量处理能力:一次操作搞定整个音乐库的歌词,节省90%时间
- 社区驱动更新:作为LRCLIB官方客户端,歌词数据库每日更新,覆盖全球百万级歌曲
无论是音乐收藏爱好者、播客创作者还是DJ,LRCGET都能帮你打造更专业的本地音乐体验。现在就下载体验,让每首歌都有完美的歌词陪伴!
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
