【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。
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