Prowlarr:一站式索引器管理与连接工具
在数字内容的海洋中,找到合适的资源往往是一项挑战。Prowlarr 的出现,为这一难题提供了一个优雅的解决方案。作为一款基于 .NET/ReactJS 技术栈的索引器管理与连接工具,Prowlarr 不仅支持多种 PVR 应用的无缝集成,还提供了全面的索引器管理功能,让您的资源搜索与下载体验更加高效和便捷。
项目介绍
Prowlarr 是一个索引器管理器/连接器,旨在与您的各种 PVR 应用(如 Lidarr、Mylar3、Radarr、Readarr 和 Sonarr)无缝集成。它支持管理 Torrent 索引器和 Usenet 索引器,提供完整的索引器管理功能,无需为每个应用单独设置索引器。
项目技术分析
Prowlarr 构建在流行的 *arr .NET/ReactJS 基础栈上,利用了 .NET 的强大性能和 ReactJS 的灵活前端交互。它支持多种索引器和索引器,包括原生支持的 Usenet 索引器和通过"通用 Newznab"及"通用 Torznab"支持的 Torrent 索引器。此外,Prowlarr 还支持通过 Cardigann 的 YML 定义进行自定义,包括 JSON 和 XML 解析。
项目及技术应用场景
Prowlarr 适用于需要高效管理大量索引器和索引器的用户,特别是那些使用多个 PVR 应用的数字内容爱好者。无论是 Usenet 还是 Torrent,Prowlarr 都能提供一站式解决方案,简化索引器的配置和管理,提升资源搜索和下载的效率。
项目特点
- 全面支持:原生支持 24 个 Usenet 索引器和超过 500 个 Torrent 索引器。
- 灵活集成:通过"通用 Newznab"和"通用 Torznab"支持任意兼容的索引器和索引器。
- 自定义定义:支持通过 Cardigann 的 YML 定义进行自定义,包括 JSON 和 XML 解析。
- 无缝同步:索引器同步至 Lidarr/Mylar3/Radarr/Readarr/Sonarr,无需手动配置。
- 历史与统计:提供索引器历史记录和统计信息,便于管理和优化。
- 手动搜索:支持按类别手动搜索索引器和索引器,以及基于参数的手动搜索。
- 批量推送:支持从 Prowlarr 直接向下载客户端推送多个资源。
- 健康与状态通知:提供索引器健康状况和状态通知,确保系统稳定运行。
- 连接支持:支持每个索引器的连接设置(SOCKS4, SOCKS5, HTTP, Flaresolverr)。
Prowlarr 不仅是一个技术工具,更是一个提升数字生活质量的伙伴。无论您是技术爱好者还是普通用户,Prowlarr 都能为您带来前所未有的资源管理体验。立即尝试 Prowlarr,开启您的数字内容探索之旅!
项目链接:Prowlarr GitHub
官方文档:Prowlarr Wiki
社区支持:Prowlarr Discord
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00