Flexget系列剧集下载配置中timeframe参数的注意事项
2025-07-08 01:28:51作者:宣海椒Queenly
问题背景
在使用Flexget进行自动化剧集下载时,很多用户会配置timeframe参数来控制下载时机。然而,一个常见的配置误区是只设置了timeframe而没有明确指定target或upgrade参数,这会导致Flexget采用默认的720p hdtv+作为目标质量,从而可能错过更高质量的资源。
典型错误配置
以下是一个典型的错误配置示例:
tv1080x4_5:
series_premiere: yes
series:
settings:
shows1080x4_5:
quality: 1080p
timeframe: 24 hours
tracking: no
propers: yes
shows1080x4_5:
- Show 1
- Show 2
download: /shared/torrents-unchecked/
在这个配置中,用户期望获取任何可用的1080p资源,但实际上由于没有明确指定target参数,Flexget会默认等待720p hdtv+质量的资源,导致1080p资源被忽略。
问题分析
Flexget的timeframe参数设计初衷是让用户能够:
- 等待更高质量的资源出现(通过
target参数) - 等待现有资源的升级版本(通过
upgrade参数)
当用户只设置timeframe而没有指定这两个参数时,系统会采用保守策略,默认以720p hdtv+作为目标质量。这种行为虽然保证了最低质量要求,但往往与用户期望不符。
解决方案
方案一:明确指定target参数
如果用户希望获取1080p质量的资源,应该明确指定:
settings:
shows1080x4_5:
quality: 1080p
timeframe: 24 hours
target: 1080p
tracking: no
propers: yes
方案二:移除不必要的timeframe
如果用户只是想获取第一个可用的1080p资源,不需要等待更高质量,可以直接移除timeframe:
settings:
shows1080x4_5:
quality: 1080p
tracking: no
propers: yes
最佳实践建议
- 明确目标质量:始终明确指定
target或upgrade参数,避免依赖系统默认值 - 合理设置timeframe:根据资源发布规律设置合理的等待时间,不宜过长或过短
- 日志监控:定期检查Flexget日志,确认下载行为符合预期
- 质量优先级:考虑使用质量优先级列表,而不仅仅是单一质量要求
总结
Flexget的timeframe参数是一个强大的工具,但需要正确配置才能发挥预期效果。用户应当避免只设置timeframe而不指定target或upgrade的配置方式,明确表达自己的质量需求,才能实现精准的自动化下载控制。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134