Universal Trakt Scrobbler 使用教程
1、项目介绍
Universal Trakt Scrobbler 是一个开源的浏览器扩展,旨在帮助用户自动将他们在支持的流媒体服务(如 Netflix、Amazon Prime、HBO Max 等)上观看的电视节目和电影同步到 Trakt.tv。通过这个扩展,用户可以实时记录他们的观看历史,并将其同步到 Trakt.tv,以便更好地管理和追踪他们的观看习惯。
2、项目快速启动
安装步骤
1. 下载项目
首先,从 GitHub 仓库下载项目代码:
git clone https://github.com/trakt-tools/universal-trakt-scrobbler.git
2. 加载扩展
在 Chrome 中加载扩展
- 解压下载的
chrome.zip文件。 - 打开 Chrome 浏览器,进入
chrome://extensions/。 - 启用“开发者模式”。
- 点击“加载已解压的扩展程序”,选择解压后的文件夹。
在 Firefox 中加载扩展
- 打开 Firefox 浏览器,进入
about:debugging#/runtime/this-firefox。 - 点击“临时加载附加组件”。
- 选择
firefox.zip文件或解压后的文件夹中的任意文件。
配置扩展
安装完成后,打开扩展的设置页面,配置 Trakt.tv 账户和其他相关设置。
3、应用案例和最佳实践
应用案例
案例一:追踪个人观看历史
用户可以通过 Universal Trakt Scrobbler 自动记录他们在 Netflix 上观看的所有节目和电影,并将这些记录同步到 Trakt.tv,以便随时查看和管理自己的观看历史。
案例二:跨平台同步
用户在多个流媒体平台上观看内容,通过 Universal Trakt Scrobbler,可以将所有平台的观看历史同步到 Trakt.tv,实现跨平台的观看历史管理。
最佳实践
- 定期同步:建议用户设置定期同步功能,以确保观看历史能够及时更新。
- 隐私设置:在配置扩展时,注意检查隐私设置,确保不会泄露个人观看数据。
- 多平台支持:利用 Universal Trakt Scrobbler 的多平台支持功能,统一管理所有流媒体平台的观看历史。
4、典型生态项目
Trakt.tv
Trakt.tv 是一个社交平台,允许用户记录和分享他们观看的电影和电视节目。Universal Trakt Scrobbler 是与 Trakt.tv 紧密集成的扩展,帮助用户自动同步观看历史。
TMDb API
Universal Trakt Scrobbler 使用 TMDb API 来获取电影和电视节目的详细信息。TMDb 是一个社区驱动的电影和电视数据库,提供丰富的元数据。
Netflix
作为最早支持的流媒体平台之一,Netflix 是 Universal Trakt Scrobbler 的主要应用场景之一。用户可以通过该扩展自动记录他们在 Netflix 上的观看历史。
通过以上模块的介绍,用户可以快速了解并上手使用 Universal Trakt Scrobbler 扩展,实现观看历史的自动同步和管理。
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