5分钟打造专属音乐自由:Xiaomusic让小爱音箱突破播放限制
还在为小爱音箱只能播放特定平台音乐而烦恼?Xiaomusic来了!这是一款基于Python开发的开源智能音乐系统,通过创新技术让你的小爱音箱实现真正的音乐自由。无需专业知识,5分钟即可搭建专属音乐库,支持语音控制、自动下载和本地管理,彻底打破音乐播放的边界。
为什么小爱音箱需要"解放计划"?
传统智能音箱往往受限于合作音乐平台,想听的歌曲找不到、会员订阅费用高、离线播放功能弱是用户最常遇到的三大痛点。Xiaomusic通过本地音乐管理+在线资源获取的创新模式,让你的小爱音箱变成真正的私人音乐管家。
零基础部署:三步拥有专属音乐系统
1. 一行命令启动服务
使用Docker容器化部署,无需复杂配置:
docker run -p 58090:8090 -e XIAOMUSIC_PUBLIC_PORT=58090 -v /xiaomusic_music:/app/music -v /xiaomusic_conf:/app/conf hanxi/xiaomusic
2. 简单配置即可使用
访问http://你的设备IP:58090进入Web管理界面,仅需完成两项设置:
- 登录小米账号
- 选择要控制的小爱设备
3. 立即体验语音控制
无需额外APP,直接对小爱音箱说出指令:
- "播放周杰伦晴天" - 自动搜索并播放
- "收藏这首歌" - 将当前歌曲加入收藏
- "单曲循环" - 切换播放模式
四大核心优势,重新定义智能播放
语音交互更自然
支持20+种日常播放指令,从切歌、调音量到创建歌单,全程语音操控,彻底解放双手。系统会自动识别歌曲信息,即使是冷门歌曲也能精准匹配。
本地音乐智能管理
自动扫描多种音频格式(mp3、flac、wav等),智能分类整理。通过Web界面可以轻松管理 thousands of songs,支持按歌手、专辑、风格多维度筛选。
跨平台资源整合
集成yt-dlp工具,自动获取网络音乐资源。无论是流行新歌还是经典老歌,只需说出歌名即可自动下载并播放,无需手动操作。
轻量高效不占资源
整个系统仅占用50MB内存空间,支持在树莓派、NAS等低配置设备上流畅运行。后台自动更新歌曲信息,无需人工维护。
常见问题解决指南
Q: 设备无法识别怎么办?
A: 尝试重启Docker容器或在Web设置中重新扫描设备。
Q: 支持哪些音频格式?
A: 支持mp3、flac、wav、ape、ogg、m4a等主流音频格式。
Q: 如何导入现有歌单?
A: 系统支持m3u格式歌单导入,在"设置-高级选项"中上传即可。
开始你的音乐自由之旅
Xiaomusic不仅是一个播放工具,更是音乐爱好者的私人助理。完全开源免费的特性让你无需担心隐藏费用,活跃的社区支持确保系统持续更新。现在就用一行命令开启你的智能音乐新生活,让小爱音箱真正为你所用!
项目仓库:git clone https://gitcode.com/GitHub_Trending/xia/xiaomusic
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
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

