Feishin 自托管音乐播放器安装与使用教程
1. 项目目录结构及介绍
Feishin 的目录结构主要包括以下几个关键部分:
-
src: 主要源代码存放的地方,包括前端界面(Web Player)和后台服务。client: 前端应用的代码,用于构建Web界面。server: 后台服务的代码,提供API接口和与媒体服务器的交互逻辑。
-
public: 静态资源文件夹,包含网页所需的CSS、JavaScript和图片等资源。 -
.dockerignore: Docker构建时忽略的文件或目录列表。 -
Dockerfile: Docker镜像的构建指令,用于创建Feishin容器。 -
docker-compose.yml: Docker Compose配置文件,方便一键部署多个相关服务。 -
LICENSE: 项目许可文件,表明该项目遵循GPL v3.0许可证。 -
README.md: 项目的说明文件,包含了基本的安装和使用指南。
2. 项目启动文件介绍
主要的启动文件有两个,一个用于Docker环境,另一个用于本地开发环境。
-
Dockerfile: 定义了如何构建Feishin的Docker镜像,其中包含了必要的依赖和运行命令。使用docker build命令可以创建镜像,然后通过docker run来启动容器。 -
docker-compose.yml: Docker Compose配置文件,允许一次性启动Feishin容器和其他服务(如数据库)。使用docker-compose up命令可以快速启动所有服务。
3. 项目配置文件介绍
Feishin 的配置通常通过环境变量进行,以下是几个核心的配置项:
-
SERVER_NAME: 指定你的媒体服务器地址,例如Jellyfin或NaviDrome的URL。 -
PLAYER_BACKEND: 决定使用哪个播放器后台,默认是MPV,也可以选择Web Player。
在使用Docker部署时,可以在启动容器时通过--env参数设置这些环境变量,或者在docker-compose.yml中定义environment部分。在非Docker环境中,你可以修改启动脚本以添加相应的命令行参数。
例如,在Docker Compose中配置Feishin服务器名称:
services:
feishin:
container_name: feishin
image: 'ghcr.io/jeffvli/feishin:latest'
environment:
- SERVER_NAME=jellyfin.example.com
完成以上步骤后,你就可以通过访问指定的端口(默认9180)来使用Feishin自托管音乐播放器了。记得检查防火墙设置,确保对应的端口开放。如有任何疑问,查阅项目GitHub页面上的README或开源社区获取更多帮助。
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
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
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