gfriends-inputer头像导入工具完全指南
核心功能解析:inputer工具的三大应用场景
如何实现媒体服务器头像自动化管理?
通过inputer工具可实现Emby/Jellyfin服务器的演员头像自动化导入与更新。该工具会扫描媒体服务器中的演职人员列表,自动匹配并下载对应头像资源,解决手动管理头像的繁琐流程。
实操案例:
启动工具后,系统会自动连接Emby服务器(默认地址http://localhost:8096),读取演员库信息并与头像仓库匹配。对于新添加的演员,工具将自动完成头像下载、尺寸优化和服务器导入全流程。
如何处理不同尺寸的头像资源?
通过fix_size函数可实现头像尺寸标准化处理,支持四种优化模式应对不同场景需求。该功能确保导入服务器的头像不会出现拉伸变形,提升媒体库视觉一致性。
实操案例:
当检测到非2:3比例的头像时,工具会自动应用高斯平滑处理(模式1):
fixed_pic = pic.resize((int(wf), int(3/2*wf)))
fixed_pic = fixed_pic.filter(ImageFilter.GaussianBlur(radius=50))
如何实现增量更新与断点续传?
通过文件树缓存机制和MD5校验,inputer工具支持断点续传和增量更新。系统会记录已处理的头像信息,避免重复下载和导入,显著提升大规模头像库的更新效率。
实操案例:
工具会生成proc.tmp断点记录文件,记录已完成的操作步骤。重启后自动检测缓存,如果演员列表和配置未变化,则从上次中断位置继续执行任务。
配置指南:inputer参数自定义详解
| 配置项 | 默认值 | 自定义选项 | 功能描述 |
|---|---|---|---|
Size_Fix |
3 | 0-4 | 头像尺寸优化模式,3为本地AI检测裁剪 |
MAX_DL |
5 | 1-20 | 下载线程数,网络不稳定时建议设为3 |
OverWrite |
2 | 0-2 | 导入策略,2为增量更新(仅更新有变化的头像) |
Get_Intro |
0 | 0-1 | 是否刮削演员信息,1为启用XSlist信息获取 |
AI_Fix |
是 | 是/否 | 是否使用AI优化头像质量,启用后自动选择高清版本 |
关键参数说明:
- 「Size_Fix」(整数): 控制头像尺寸优化方式,3表示通过本地AI检测面部特征后智能裁剪
- 「MAX_UL」(整数): 导入线程数,内网服务器建议设为20-100,远程服务器建议5-20
- 「Conflict_Proc」(整数): 多头像处理策略,0为自动优选,1为手动挑选
快速上手:inputer 5分钟启动流程
环境检查
📌 确保系统已安装Python 3.6+环境,使用以下命令验证:
python --version
检查是否已安装必要依赖:
pip list | grep -E "requests|Pillow|opencv-python"
依赖安装
📌 克隆项目仓库并安装依赖:
git clone https://gitcode.com/gh_mirrors/gf/gfriends-inputer
cd gfriends-inputer
pip install -r requirements.txt
参数调优
📌 首次运行会自动生成config.ini配置文件,重点调整以下参数:
- 设置媒体服务器信息(
Host_Url和Host_API) - 根据网络状况调整
MAX_DL和MAX_UL - 启用
AI_Fix=是获取优化头像 - 如需增量更新保持
OverWrite=2
启动工具开始头像导入:
python "Gfriends Inputer.py"
项目架构与工作流程
inputer工具架构图
inputer工具采用模块化设计,核心流程包括:
- 配置解析:通过
read_config函数加载用户配置 - 服务器连接:通过
read_persons函数获取媒体服务器演员列表 - 仓库映射:通过
get_gfriends_map建立头像资源索引 - 下载管理:通过
download_avatar实现多线程下载 - 尺寸优化:通过
fix_size函数标准化头像比例 - 导入处理:通过
input_avatar完成服务器导入
常见问题速查
Q: 连接Emby服务器提示401错误如何解决?
A: 检查config.ini中的Host_API是否正确,需在Emby服务器设置中生成具有管理员权限的API密钥。
Q: 头像下载速度慢或频繁失败怎么办?
A: 尝试降低MAX_DL下载线程数至3,启用全局代理或在配置中设置Proxy参数,推荐使用 socks5 代理。
Q: 本地AI裁剪功能无法使用如何处理?
A: 确认已安装opencv-python依赖,检查Lib目录下是否存在cv2dnn.py和模型文件,如缺失需重新克隆项目仓库。
扩展功能与模块路径
「演员信息刮削」:[Gfriends Inputer.py/xslist_search]
通过该函数可从XSlist获取演员详细信息,需在配置中设置Get_Intro=1启用。
「批量删除功能」:[Gfriends Inputer.py/del_all]
用于清空服务器中所有演员头像及元数据,需在配置中设置DEL_ALL=是启用(谨慎使用)。
本工具适用于媒体服务器爱好者构建个性化演员头像库,通过自动化流程显著降低维护成本。更多高级功能请参考项目配置文件注释及源码文档。
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust017
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00