Go-MusicFox 使用教程
1. 项目介绍
Go-MusicFox 是一个用 Go 语言编写的网易云音乐命令行客户端。它支持多种音质级别、UnblockNeteaseMusic、Last.fm、MPRIS 和 macOS 交互响应(如睡眠暂停、蓝牙耳机连接断开响应和菜单栏控制等)。Go-MusicFox 的 UI 基于 charmbracelet/bubbletea 进行了部分定制,旨在为用户提供一个简洁高效的命令行音乐播放体验。
2. 项目快速启动
2.1 安装 Go-MusicFox
2.1.1 通过 Homebrew 安装(macOS/Linux)
brew install anhoder/go-musicfox/go-musicfox
如果你之前安装过 musicfox,需要使用以下命令重新链接:
brew unlink musicfox && brew link --overwrite go-musicfox
2.1.2 直接下载可执行文件(macOS/Linux)
在 Release 页面 下载对应操作系统的可执行文件。
2.1.3 使用发行版软件包(Linux)
Arch Linux
从 AUR 安装:
paru -S go-musicfox
或者下载预编译好的二进制:
paru -S go-musicfox-bin
从 archlinuxcn 安装:
sudo pacman -S go-musicfox
Debian/Ubuntu
从星火商店安装:
sudo aptss install go-musicfox
2.1.4 手动编译
确保你已经安装了 Go 1.22 及以上版本。
git clone https://github.com/go-musicfox/go-musicfox
cd go-musicfox
go mod download
make
编译完成后,可以在 bin 目录下找到可执行文件。
2.2 启动 Go-MusicFox
在终端中运行以下命令启动 Go-MusicFox:
musicfox
3. 应用案例和最佳实践
3.1 在树莓派上使用 Go-MusicFox
Go-MusicFox 非常适合在树莓派等嵌入式设备上运行。你可以通过以下步骤在树莓派上安装并启动 Go-MusicFox:
- 安装必要的依赖:
sudo apt-get install python-dev mpg123
sudo pip install Netease-MusicBox
- 启动 Go-MusicFox:
musicbox
3.2 在 Docker 中运行 Go-MusicFox
你也可以在 Docker 容器中运行 Go-MusicFox。首先,创建一个 Dockerfile:
FROM golang:1.22
RUN git clone https://github.com/go-musicfox/go-musicfox && \
cd go-musicfox && \
go mod download && \
make
CMD ["/go-musicfox/bin/musicfox"]
然后构建并运行容器:
docker build -t go-musicfox .
docker run -it go-musicfox
4. 典型生态项目
4.1 BubbleTea
Go-MusicFox 的 UI 基于 charmbracelet/bubbletea 框架。BubbleTea 是一个强大的 Go 语言 TUI(终端用户界面)框架,适合构建复杂的命令行应用程序。
4.2 NeteaseCloudMusicApi
Go-MusicFox 使用了 NeteaseCloudMusicApi 来与网易云音乐 API 进行交互。这个项目提供了一系列 API,方便开发者与网易云音乐服务进行集成。
4.3 UnblockNeteaseMusic
Go-MusicFox 支持 UnblockNeteaseMusic,这是一个用于解锁网易云音乐海外限制的项目。通过集成 UnblockNeteaseMusic,用户可以在全球范围内享受网易云音乐的服务。
通过以上教程,你应该已经掌握了 Go-MusicFox 的基本使用方法。希望你能通过这个工具在命令行中享受音乐的乐趣!
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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