Biliup上传至B站录播显示成功但投稿稿件中找不到的解决方案
2025-06-15 13:23:34作者:郜逊炳
问题现象分析
在使用Biliup工具上传B站录播时,用户遇到了一个典型问题:日志显示上传成功,但在B站投稿管理页面却找不到对应的视频稿件。具体表现为:
- 上传日志显示"无需更新cookie"和"通过cookie登录"等正常信息
- 上传过程显示3.4G文件在3秒内完成上传(明显异常)
- 后处理操作(如rclone上传至OneDrive)能正常执行
- 最终B站投稿列表中没有出现该视频
问题排查思路
1. 上传线路选择问题
用户配置中使用了ws上传线路,这是一个需要定制模块的特殊线路。对于大多数用户而言,默认的自动选择线路更为可靠。特别是kodo线路已不可用,不应选择。
2. 系统环境兼容性问题
Ubuntu系统版本过旧可能导致上传组件无法正常工作。特别是:
- 较旧的Ubuntu版本可能缺少必要的依赖库
- 系统内核版本可能不支持某些网络协议
- 文件系统处理可能存在兼容性问题
3. 并发上传设置不当
用户配置中设置了较高的并发线程数(threads: 20),这可能导致:
- B站服务器拒绝异常高速的上传请求
- 本地网络带宽被占满导致上传数据包丢失
- 上传校验过程出现异常
解决方案
1. 升级系统环境
将Ubuntu系统升级至22.04 LTS版本,确保:
- 内核版本支持现代网络协议
- 系统库保持最新
- 文件系统稳定可靠
2. 优化上传配置
建议修改配置文件:
- 移除ws线路设置,使用默认自动选择
- 降低并发线程数至3-5个
- 确保不使用已废弃的kodo线路
- 简化配置文件,移除所有注释行进行测试
3. 验证上传流程
- 使用小文件测试上传功能
- 检查B站账号的"稿件管理"而非"投稿列表"
- 确认视频是否进入审核队列而非直接消失
- 检查B站账号的存储空间是否已满
技术原理深入
Biliup的上传过程实际上分为多个阶段:
- 预处理阶段:验证cookie、检查文件完整性
- 分片上传阶段:将大文件分割为多个小块并行上传
- 合并阶段:服务器端合并所有分片
- 投稿创建阶段:在B站创建视频稿件记录
用户遇到的问题很可能发生在第4阶段,虽然文件实际上传成功,但由于系统环境或配置问题,投稿记录未能正确创建。
最佳实践建议
- 定期更新Biliup至最新版本
- 保持操作系统处于受支持的状态
- 上传前检查B站账号状态和存储空间
- 对于重要录播,配置完善的后处理流程
- 使用docker容器部署可避免系统环境问题
通过以上方法,可以有效解决上传成功但稿件不显示的问题,确保录播内容安全可靠地存档至B站平台。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
416
3.2 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
682
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
664
React Native鸿蒙化仓库
JavaScript
265
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259