LibreTorrent:自由开源的Android BitTorrent客户端
LibreTorrent是一款功能强大、完全免费的Android BitTorrent和WebTorrent客户端,不仅注重功能实现,更强调用户隐私和软件自由。该项目遵循开源精神,鼓励用户参与使用、查看源代码、进行修改并分享成果。
项目介绍
LibreTorrent以其全面的功能集脱颖而出,支持BitTorrent 2.0协议以及WebTorrent,让用户能够在任何时间、地点享受流畅的文件下载体验。无论您是移动设备还是平板电脑用户,甚至是Android TV用户,都能找到适合自己的界面设计。此外,黑暗主题和黑色主题的选择使您在夜间使用时更加舒适。
核心技术特性
该应用程序基于libtorrent4j,一个高效且稳定的Java实现的BitTorrent库。LibreTorrent具备以下核心技术特性:
- 支持DHT、PeX、加密连接、本地发现(LSD)、UPnP和NAT-PMP,以及µTP协议,确保高速稳定下载
- 支持IP过滤功能,兼容eMule DAT和PeerGuardian列表,增强安全性和隐私保护
- 自动下载管理器与RSS订阅,让用户可以轻松跟踪并自动下载喜欢的内容
- 支持通过HTTP/S和磁力链接添加种子
- 能够创建大型、包含多个文件的种子,方便分享
应用场景
LibreTorrent非常适合那些需要在移动设备上快速、安全地传输大文件的用户,例如程序员、设计师或多媒体爱好者。其流媒体功能使得无需等待完整下载即可观看视频或听音乐。此外,对于Android TV用户来说,LibreTorrent是一个理想的PVR工具,可配合其他应用来获取和播放网络内容。
项目特色
- 全功能支持:包含所有主流BitTorrent客户端应有的特性,如文件选择性下载、文件移动等
- 跨平台兼容:适用于不同类型的Android设备,包括手机、平板和电视
- 多语言支持:支持超过35种语言,便于全球范围内的用户体验
- 隐私优先:严格遵守GPLv3许可,尊重用户隐私,无广告,无需特殊权限
- 社区驱动:激励用户参与翻译和开发,持续改进项目
安装和使用
要使用LibreTorrent,您可以通过以下方式获取:
git clone https://gitcode.com/gh_mirrors/li/libretorrent
项目采用标准的Android开发环境,使用Gradle进行构建。开发者可以轻松地导入项目到Android Studio中进行编译和调试。
技术架构
LibreTorrent采用现代化的Android架构,包含以下核心组件:
- TorrentEngine:负责管理所有种子下载任务的核心引擎
- Repository模式:使用Room数据库进行数据持久化存储
- MVVM架构:采用ViewModel和LiveData实现数据驱动界面
- 模块化设计:将文件系统、网络、设置等功能模块化,便于维护和扩展
贡献指南
项目欢迎开发者参与贡献,具体贡献指南可参考项目中的CONTRIBUTING.md文件。贡献者需要遵循项目的编码规范,并确保所有测试用例通过。
许可证
LibreTorrent采用GNU General Public License v3 (GPLv3)许可证,确保软件的自由性和开放性。用户可以自由地使用、修改和分发软件,但必须保持相同的开源许可证。
隐私保护
项目高度重视用户隐私,不会收集任何个人身份信息。所有下载数据都存储在本地设备上,开发者无法访问用户的下载内容或个人信息。
LibreTorrent代表了Android平台上开源BitTorrent客户端的最高水准,为需要高效、安全文件传输的用户提供了优秀的解决方案。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00




