NoTubeTV 的安装和配置教程
项目基础介绍
NoTubeTV 是一个开源项目,旨在为 Android TV 提供一个 YouTube Leanback 用户界面。它支持 4K 分辨率,并且集成了 Adblock、SponsorBlock 和 DeArrow 等功能,允许用户在观看视频时享受无广告和定制化体验。该项目基于 @reisxd/TizenTube 开发,并使用了 GPL-3.0 许可证。
主要编程语言
该项目主要使用 JavaScript(占比 95.6%)和 Kotlin(占比 4.4%)进行开发。
项目使用的关键技术和框架
NoTubeTV 利用了一些关键技术和框架来实现其功能:
- Leanback UI:Android TV 的用户界面框架,提供了一种适用于电视屏幕的界面设计。
- Adblock:广告拦截技术,提升用户体验。
- SponsorBlock:自动跳过视频中的赞助商片段。
- DeArrow:移除视频播放器中的箭头指示。
准备工作
在开始安装之前,请确保您已经满足了以下条件:
- 您需要拥有一台安装有 Android 操作系统的电视或电视盒。
- 确保您的设备已经连接到互联网。
- 安装一个支持侧载应用的文件管理器或应用安装器。
安装步骤
-
下载项目文件
首先,您需要从项目的 GitHub 仓库克隆或下载源代码。如果您熟悉 Git 命令,可以使用以下命令克隆仓库:
git clone https://github.com/ycngmn/NoTubeTV.git如果不熟悉 Git,也可以直接从 GitHub 下载 ZIP 文件。
-
安装 Android Studio
为了编译和侧载应用,您需要在计算机上安装 Android Studio。访问 Android 开发者官方网站下载并安装。
-
导入项目到 Android Studio
打开 Android Studio,选择 "Open an existing Android Studio project",然后找到下载或克隆的 NoTubeTV 项目文件夹。
-
连接 Android 设备
使用 USB 线将您的 Android 电视或电视盒连接到计算机。确保在设备上启用 USB 调试。
-
编译项目
在 Android Studio 中,点击 "Build" > "Build Bundle(s) / APK(s)" > "Build APK(s)" 来编译项目。
-
侧载应用
编译完成后,您可以在项目的
app文件夹中找到 APK 文件。使用文件管理器或应用安装器将 APK 文件传输到您的电视或电视盒上,并安装。 -
运行应用
安装完成后,您可以在电视或电视盒的应用菜单中找到 NoTubeTV,并打开它开始使用。
请注意,以上步骤为一般性指南,具体情况可能会因您的设备和配置不同而有所变化。如果在安装过程中遇到任何问题,请查阅项目的 README 文件或创建新 issue 寻求帮助。
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