推荐使用:Flood for Transmission - 简洁高效的Transmission Web UI

Flood for Transmission 是一款专为 Transmission 设计的现代化Web界面替代品。这款应用无需额外的服务即可与Transmission无缝对接,即使仍处于开发阶段,但已经足够稳定以供日常使用。
项目技术分析
Flood for Transmission 基于对 Flood(原用于 rTorrent)的设计和功能理念的借鉴,但在代码实现上进行了从零构建,使其能完美适应 Transmission 的环境。它利用 Transmission 自身推荐的方式加载UI,通过设置环境变量,保证了轻量级运行模式。
应用场景
无论你是 Transmission 的铁粉,还是正在寻找一个简单易用的BT下载管理工具,Flood for Transmission 都是理想的选择。适合在个人电脑、家庭服务器或者任何支持 Transmission 的环境中使用。尤其对于喜欢通过网页远程控制下载任务的用户,它的便捷性和灵活性将大大提升你的体验。
项目特点
- 无依赖性:不需要额外运行的服务,仅需 Transmission 即可启动,使得系统资源占用极低。
- Transmission 专属优化:专注于提供最佳的 Transmission 集成体验,不断改进以满足用户需求。
- 推荐方式集成:遵循 Transmission 官方建议的配置方法,确保稳定性和兼容性。
- 现代界面:采用简洁美观的设计,提供清晰的任务视图和控制选项。
截图预览
想先睹为快吗?查看 screenshots 文件夹中的截图,或直接欣赏下面的主页面示例:

开始使用
在开始之前,请确保已安装并运行 Transmission。对于 Linux 和 Windows 用户,只需设置环境变量;对于 macOS 用户,则需要将应用文件复制到 Transmission 的相应目录。
- 下载最新版本:
curl -OL https://github.com/johman10/flood-for-transmission/releases/download/latest/flood-for-transmission.zip - 解压:
unzip flood-for-transmission.zip - 删除 ZIP 文件:
rm flood-for-transmission.zip - 根据操作系统设置环境变量或复制文件。
- 重启 Transmission。
- 通过默认地址访问:
http://localhost:9091
如果你在 Chrome 浏览器中运行,还可以将其添加为渐进式网页应用(PWA),享受更佳的桌面应用体验。
更新与本地开发
更新过程简单快捷,只需删除旧版本,下载解压新版本,然后重启 Transmission。若要进行本地开发,按照 README 中的指示进行即可。
Flood for Transmission 提供了一个简单但功能齐全的界面来管理和监控你的 BT 任务,如果你追求高效且直观的下载管理,那就不要错过这个开源项目。立即尝试,享受流畅的 Transmission 使用体验吧!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00