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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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