Jellyfin 自动跳过片头插件使用教程
2025-04-19 15:16:31作者:江焘钦
1. 项目介绍
Jellyfin 自动跳过片头插件是一个开源项目,它能够分析电视节目的音频,自动检测并跳过片头。该项目由Bobby306基于ConfusedPolarBear的原始作品进行重制。通过这个插件,用户可以在不修改Jellyfin原版界面的情况下,享受到自动跳过片头的便捷功能。
2. 项目快速启动
以下是在Jellyfin中安装并启动自动跳过片头插件的基本步骤:
安装插件
-
将以下插件仓库地址添加到您的服务器:
https://raw.githubusercontent.com/Bobby306/intro-skipper/master/manifest.json -
从“通用”部分安装“Intro Skipper”插件。
-
重启Jellyfin服务。
启用自动跳过片头
如果未安装修改后的网页界面,请执行以下操作以启用自动跳过片头功能:
- 进入仪表盘 -> 插件 -> Intro Skipper。
- 勾选“自动跳过片头”并点击保存。
- 进入仪表盘 -> 计划任务 -> 分析剧集,然后点击播放按钮。
使用说明
- 分析剧集可能会需要一些时间,分析完成后,播放一些剧集,观察跳过片头的功能是否正常工作。
- 状态更新将在分析每个季度的节目之前记录。
注意事项
- 确保Jellyfin版本为10.8.4或更高。
- Jellyfin使用的ffmpeg版本应为5.0.1-5或更新版本。
3. 应用案例和最佳实践
使用场景
- 当您观看电视剧时,不想每次都手动跳过片头。
- 需要为家庭成员或朋友提供一个无障碍的观看体验。
最佳实践
- 在安装插件前,请确保Jellyfin服务器满足系统要求。
- 安装插件后,可以通过服务器日志检查插件运行状态。
4. 典型生态项目
Jellyfin自动跳过片头插件是Jellyfin生态系统中的一个组成部分,以下是一些相关的典型生态项目:
- Jellyfin:一个自由开源的媒体管理系统,支持多种客户端。
- ffmpeg:一个可以用来记录、转换数字音视频,并将其转化为不同格式的开源软件。
以上是Jellyfin自动跳过片头插件的基本使用教程,希望对您有所帮助。
登录后查看全文
热门项目推荐
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-5.1GLM-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
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- 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
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 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
1.54 K
894
Ascend Extension for PyTorch
Python
503
609
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
391
286
暂无简介
Dart
905
218
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108