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。
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 StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07