使用ytdl-sub实现高效视频订阅与下载管理
2025-07-03 22:54:48作者:彭桢灵Jeremy
ytdl-sub简介
ytdl-sub是一个强大的视频订阅与下载工具,它允许用户通过配置文件自动化管理视频平台频道的内容下载。相比传统的手动下载方式,ytdl-sub提供了更高效、更灵活的解决方案,特别适合需要定期下载多个频道内容的用户。
基础配置示例
一个典型的ytdl-sub订阅配置文件(subscriptions.yaml)可能如下所示:
__preset__:
overrides:
tv_show_directory: "/mnt/media/Video/Jeremy"
only_recent_date_range: "2months"
only_recent_max_files: 5
Jellyfin TV Show by Date:
= Video | Only Recent:
"Matt Carriker": "https://www.example.com/@OffTheRanch"
这个配置实现了:
- 设置视频存储路径为"/mnt/media/Video/Jeremy"
- 仅下载最近2个月内的视频
- 最多保留5个最新视频
视频质量优化
很多用户希望下载1080p分辨率但文件大小更小的MP4格式视频,而非完整的WebM格式。在ytdl-sub中,可以通过添加max_1080p预设实现这一需求:
Jellyfin TV Show by Date | max_1080p:
= Video | Only Recent | max_1080p:
"Matt Carriker": "https://www.example.com/@OffTheRanch"
这种配置方式既可以在主预设级别应用,也可以在单个订阅项级别应用,提供了极大的灵活性。
高级过滤功能
ytdl-sub提供了强大的内容过滤功能,可以根据视频标题中的关键词或视频时长进行筛选:
- 关键词过滤:可以排除包含特定关键词的视频
presets:
title_exclude_filters:
filter_exclude:
- "{%contains_any( %lower(title), title_exclude_strings )}"
overrides:
title_exclude_strings:
- "DUMMY DEFAULT STRING SHOULD NEVER EXCLUDE"
- 应用过滤规则:
Jellyfin TV Show by Date | title_exclude_filters:
"~Joe Rogan":
url: "https://..."
title_exclude_strings:
- "mma"
- "clip"
- 时长过滤:可以通过配置仅下载超过特定时长的视频
使用注意事项
-
Cookie文件:主要用于下载年龄限制内容,但使用时需注意可能导致的IP封禁风险,建议配合节流保护使用。
-
性能优化:对于大规模订阅,可以考虑设置合理的下载间隔和并发限制,避免对服务器造成过大压力。
-
错误处理:配置完善的日志记录和错误通知机制,确保能及时发现和处理下载过程中的问题。
ytdl-sub的这些功能使其成为管理视频订阅内容的强大工具,特别适合需要自动化处理大量频道内容的用户。通过灵活的配置,用户可以实现高度定制化的视频下载和管理方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137