【免费下载】 Jellyfin-Plugin-MetaShark 使用教程
1. 项目介绍
Jellyfin-Plugin-MetaShark 是一个为 Jellyfin 媒体服务器开发的电影元数据插件。该插件主要功能是从豆瓣和 TheMovieDb (TMDB) 获取电影的元数据,包括影片信息、海报、演员表等。它支持最新的 Jellyfin 10.8.x 版本,并且兼容 anime 动画命名格式。
主要功能:
- 从豆瓣和 TMDB 获取元数据。
- 兼容 anime 动画命名格式。
- 支持自动创建和刮削合集。
- 支持获取日文商标 logo。
2. 项目快速启动
2.1 安装插件
首先,确保你已经安装了 Jellyfin 10.8.x 版本。然后按照以下步骤安装 MetaShark 插件:
-
添加插件存储库:
- 国内加速:
https://mirror.ghproxy.com/https://github.com/cxfksword/jellyfin-plugin-metashark/releases/download/manifest/manifest_cn.json - 国外访问:
https://github.com/cxfksword/jellyfin-plugin-metashark/releases/download/manifest/manifest.json
- 国内加速:
-
安装插件:
- 进入 Jellyfin 控制台 -> 插件。
- 在插件存储库中找到 MetaShark 插件并安装。
2.2 配置插件
安装完成后,按照以下步骤配置 MetaShark 插件:
-
激活插件:
- 进入控制台 -> 插件,查看 MetaShark 插件是否是 Active 状态。
-
配置媒体库:
- 进入控制台 -> 媒体库,点击任一媒体库进入配置页。
- 在元数据下载器选项中勾选 MetaShark,并将其移动到第一位。
2.3 使用插件
配置完成后,MetaShark 插件将自动开始从豆瓣和 TMDB 获取电影的元数据。你可以通过以下命令手动触发元数据更新:
# 进入 Jellyfin 控制台
jellyfin-cli
# 更新元数据
jellyfin-cli metadata update
3. 应用案例和最佳实践
3.1 应用案例
案例1:家庭影院系统
用户在家中搭建了一个 Jellyfin 媒体服务器,通过 MetaShark 插件自动获取电影的元数据,包括海报、演员表、剧情简介等。用户可以通过 Jellyfin 的 Web 界面或移动应用轻松浏览和管理电影库。
案例2:动漫收藏管理
用户收藏了大量的动漫资源,通过 MetaShark 插件自动识别动漫的命名格式,并从豆瓣和 TMDB 获取详细的元数据。用户可以轻松管理自己的动漫收藏,并享受高质量的观影体验。
3.2 最佳实践
- 定期更新插件:确保插件版本是最新的,以获得最佳的元数据获取效果。
- 配置防封禁功能:如果需要刮削大量电影,建议在插件配置中打开防封禁功能,避免频繁请求豆瓣导致被封 IP。
- 优化网络配置:如果访问 TMDB 比较慢,可以在插件配置中关闭从 TMDB 获取数据,以提高元数据获取速度。
4. 典型生态项目
4.1 Jellyfin 媒体服务器
Jellyfin 是一个开源的媒体服务器,支持多种媒体格式和设备。通过 MetaShark 插件,Jellyfin 可以自动获取电影的元数据,提供更好的用户体验。
4.2 TheMovieDb (TMDB)
TMDB 是一个社区驱动的电影数据库,提供丰富的电影元数据。MetaShark 插件通过 TMDB 获取电影的详细信息,包括海报、演员表、剧情简介等。
4.3 豆瓣电影
豆瓣电影是中国最大的电影社区之一,提供丰富的电影信息和用户评论。MetaShark 插件通过豆瓣电影获取中文电影的元数据,满足中文用户的需求。
通过这些生态项目的配合,MetaShark 插件可以为用户提供全面、高质量的电影元数据服务。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00