网易云音乐自动听歌打卡神器:3步实现每日300首打卡,轻松直冲LV10 🚀
还在为网易云音乐等级升级慢而烦恼?这款网易云音乐自动听歌打卡工具将彻底解放你的双手!只需简单配置,即可自动完成每日300首歌曲打卡任务,让你的音乐等级飞速提升,轻松解锁LV10专属特权。无论是上班族还是学生党,都能在忙碌之余享受音乐等级提升的乐趣。
📌 为什么选择这款自动打卡工具?
这款工具基于开源项目优化而来,针对网易云音乐最新API进行了全面适配,修复了原项目中的常见BUG,确保打卡功能稳定可靠。无需复杂编程知识,小白也能轻松上手,让音乐等级提升变得像呼吸一样简单!
✨ 核心功能亮点
- 全自动打卡:后台自动播放歌曲并记录听歌时长,无需人工干预
- 多账号支持:通过
account.json文件配置多个账号信息,实现批量打卡 - 智能防风控:模拟真实用户行为,避免账号异常风险
- 详细日志记录:
run.log文件实时记录打卡进度和状态,问题排查更方便
图:工具运行时的实时打卡进度展示,清晰显示当前播放歌曲和累计打卡数量
📋 3步快速上手指南
1️⃣ 环境准备与安装
首先克隆项目仓库到本地:
git clone https://gitcode.com/gh_mirrors/ne/neteasy_music_sign
安装项目所需依赖库:
pip install -r requirements.txt
2️⃣ 简单配置两步走
配置API服务
必须步骤:先部署NeteaseCloudMusicApi,将部署地址填入init.config文件的api字段。
填写账号信息
- 单账号:直接在
init.config中填写网易云账号密码(明文即可,无需加密) - 多账号:在
account.json中添加多个账号信息,格式如下:
[
{"username": "账号1", "password": "密码1"},
{"username": "账号2", "password": "密码2"}
]
图:init.config配置文件关键参数说明,标红部分为必须填写项
3️⃣ 开始自动打卡
选择一个歌曲数量≥300首的歌单(获取歌单ID:分享歌单链接中的id=后面的数字),填入init.config的playlist_id字段,然后运行:
python main.py
程序将自动开始播放歌曲,每天最多打卡300首,达到上限后自动停止。
🛠️ 项目文件说明
| 文件名 | 作用 |
|---|---|
main.py |
项目主程序入口文件 |
init.config |
核心配置文件,包含API地址、账号信息等 |
account.json |
多账号配置文件 |
requirements.txt |
项目依赖库列表 |
run.log |
打卡日志记录文件 |
⚠️ 注意事项
- 确保歌单歌曲数量≥300首,否则可能无法完成每日最大打卡量
init.config中的md5Switch请保持false,无需修改- 运行过程中若提示缺少依赖,请根据提示自行安装
- 本项目仅供学习交流使用,请勿用于商业用途
🎯 常见问题解决
Q: 打卡过程中提示API连接失败怎么办?
A: 检查NeteaseCloudMusicApi是否正常运行,确保init.config中的API地址正确无误。
Q: 程序运行后没有打卡记录?
A: 查看run.log文件检查错误信息,确认账号密码是否正确,网络连接是否正常。
📈 为什么要提升网易云音乐等级?
网易云音乐等级不仅是荣誉的象征,还能解锁多项实用特权:LV8以上可免费下载无损音质音乐,LV10更有专属皮肤和个性化推荐特权。有了这款自动打卡工具,让你轻松超越99%的用户,成为音乐达人!
🚀 立即开始你的自动打卡之旅
这款网易云音乐自动听歌打卡工具已帮助 thousands+ 用户轻松提升音乐等级。现在就动手试试,让你的音乐账号快速成长,享受更高等级带来的优质体验!如有任何使用问题,欢迎提交issues反馈,我们会及时处理和优化。
祝大家听歌愉快,等级飙升!🎵
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