Ampcast 音乐播放器使用教程
1. 项目介绍
Ampcast 是一个受 Winamp 启发的音乐播放器。它支持多种流媒体服务,如 Plex、Jellyfin、Emby、Navidrome 和 Subsonic 等,并且还提供了对 Apple Music、Spotify 和 YouTube 的额外支持。Ampcast 拥有内置的视觉特效,如 Milkdrop (Butterchurn),支持 last.fm 和 ListenBrainz 的 Scrobbling 功能,并且可以从这些服务中播放音乐。Ampcast 可以作为 Web 应用程序或渐进式网络应用程序(PWA)使用,并且提供了桌面应用程序版本,支持 Windows、Mac 和 Linux 系统。
2. 项目快速启动
环境准备
确保你的系统安装了 Node.js,版本要求大于等于 20。
克隆项目
git clone https://github.com/rekkyrosso/ampcast.git
cd ampcast
安装依赖
npm i
构建开发环境
npm run build:dev
启动 Web 服务器
npm run start:dev
在浏览器中访问 http://localhost:8000,即可运行应用程序。
使用不同的主机/端口启动服务器
npm run start:dev -- --host 0.0.0.0 --port 8001
请注意,使用除 localhost 以外的地址可能会遇到 CORS 错误。
配置选项
你可以创建一个 .env 文件来存储 API 密钥和其他配置选项。
3. 应用案例和最佳实践
桌面应用程序
Ampcast 提供了桌面应用程序版本,可以在 Windows、Mac 和 Linux 上运行。从以下链接下载对应系统的版本:
https://github.com/rekkyrosso/ampcast/releases/latest
自托管
如果你希望自托管 Ampcast,可以使用 Docker。Docker 镜像托管在 ghcr.io 上,可以通过以下命令运行容器:
docker run --name ampcast -p 8000:8000 ghcr.io/rekkyrosso/ampcast:latest
或者使用 docker-compose:
docker-compose up -d
使用提供的 docker-compose.yml 文件作为模板。
4. 典型生态项目
目前,Ampcast 作为一个开源项目,其生态系统仍在不断发展中。你可以通过以下途径参与项目,比如:
- 提交问题报告或功能请求;
- 在 GitHub 的讨论区域或 Reddit 上的通用讨论论坛中交流;
- 贡献代码或文档。
Ampcast 使用 TypeScript、GLSL、SCSS、JavaScript、HTML 和 Dockerfile 等技术栈构建。欢迎更多的开发者参与到这个项目中来,共同打造一个优秀的音乐播放器。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0102- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
SenseNova-U1-8B-MoTSenseNova U1 是全新的原生多模态模型系列,通过单一架构实现了多模态理解、推理与生成的统一。 它标志着多模态人工智能领域的根本性范式转变:从模态集成迈向真正的模态统一。与依赖适配器进行模态间转换的传统方式不同,SenseNova U1 模型能够以原生方式处理语言和视觉信息,实现思考与行动的一体化。00
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