EmbyToLocalPlayer 2025.02.08版本更新解析:STRM播放优化与功能增强
EmbyToLocalPlayer是一款连接Emby媒体服务器与本地播放器的桥梁工具,它允许用户在Emby界面直接调用本地播放器(如MPV)来播放媒体内容。本次2025.02.08版本更新主要针对STRM文件播放体验进行了多项优化改进,同时增强了播放列表管理和元数据处理能力。
STRM播放功能优化
STRM文件是Emby中常用的流媒体链接容器格式。本次更新对STRM播放进行了多项重要改进:
-
多版本标题准确性提升:当播放非网络流媒体时,系统现在能够更准确地识别和显示多版本标题,解决了之前版本中可能出现的标题混淆问题。
-
直接播放机制重构:弃用了旧的
strm_direct参数,转而采用新的strm_direct_host机制。这一改进会自动迁移现有配置,同时提供了更稳定的直接播放STRM文件内链接的能力。新机制还特别适配了"读盘模式",确保在不同使用场景下都能正常工作。 -
播放结束处理增强:在播放结束时,系统会主动检查媒体信息,这一改进显著提升了播放状态回传至Emby服务器的成功率。同时,当播放进度少于90%且无媒体信息时,系统将不会进行回传操作,避免了无效数据的上传。
-
起播时间缓存:新增了起播时间缓存功能,可以记录和复用起播时间信息,减少重复计算,提升播放响应速度。
播放器与脚本增强
-
MPV播放器功能扩展:
- Lua脚本现在可以通过
script-message接收播放列表等数据,为高级用户提供了更多自定义可能性。 - 播放列表功能增强,现在会显示向前的集数信息,方便用户浏览和选择。
- Lua脚本现在可以通过
-
用户脚本优化:
- 改进了元数据刷新时的缓存处理机制,当刷新更改元数据时会自动重置用户缓存,有效减少回传失败的情况。
- 显著提升了"继续观看"功能(前5个条目)和集详情页的起播速度(特别是弹窗模式),优化了用户体验。
元数据与匹配规则改进
-
追剧记录同步:对bgm.tv和trakt的点格子功能进行了增强,现在会自动填充其他集数遗漏的记录,确保追剧记录的完整性。
-
版本匹配规则:改进了下一集相同版本的匹配逻辑,新增了两个内置匹配规则:
- 优先使用官方规则(以" - "分隔)后面的字段进行匹配
- 其次使用集数标记(如E01)后面的字段作为匹配依据
这一改进使得系统在自动选择下一集相同版本时更加准确可靠。
兼容性更新
- 针对bgm.tv搜索API的变动进行了适配,确保搜索功能正常工作。
- 针对macOS平台MPV 0.38版本的
focus-on选项变动进行了调整,保证在不同系统环境下的兼容性。
本次更新通过多项细节优化,显著提升了EmbyToLocalPlayer在STRM文件播放、播放列表管理以及元数据处理方面的稳定性和用户体验。特别是直接播放机制的改进和起播时间缓存等功能,使得媒体播放更加流畅高效。对于使用STRM文件管理媒体库的用户来说,这些改进将带来明显的使用体验提升。
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-1.5暂无简介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-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