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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00