Kazumi:你的二次元追番全能助手,轻松打造个性化番剧库
想要随时随地追番却苦于资源分散?Kazumi这款基于自定义规则的番剧采集应用,为你提供了完美的解决方案。作为一款免费开源工具,它支持多平台部署,让追番变得简单而高效。
发现Kazumi的独特魅力
Kazumi不仅仅是一个简单的播放器,它更像是一个智能的番剧管家。通过自定义规则系统,你可以轻松获取来自不同平台的番剧资源,打造专属的追番体验。无论是热门新番还是经典老番,都能在这里找到。
从主界面就能感受到Kazumi的用心设计:清晰的分类导航、精美的番剧封面展示、便捷的搜索功能,一切都为追番爱好者量身定制。顶部的状态栏和功能区域布局合理,底部的四大核心功能入口让操作变得简单直观。
多平台畅享追番乐趣
Kazumi真正做到了跨平台支持,无论你使用什么设备,都能获得一致的追番体验:
移动端用户:Android用户可以直接下载APK安装包,享受流畅的移动观影体验。
桌面端用户:Windows和macOS都有对应的安装包,让你在大屏幕上也能享受高清画质。
Linux用户:通过Flathub或AUR包管理器,轻松完成安装部署。
智能时间表:不错过任何更新
追番最怕的就是错过更新!Kazumi的时间表功能完美解决了这个问题:
通过直观的星期分类导航,你可以轻松查看每天更新的番剧安排。从《BanG Dream!》系列到《Dr.STONE 石纪元》新作,所有信息一目了然。这个功能特别适合追多部番剧的用户,让你永远不会忘记追番时间。
个性化番剧库管理
Kazumi的收藏和追番功能让你的追番体验更加有序:
- 一键收藏:遇到喜欢的番剧,只需点击心形图标即可加入收藏
- 进度跟踪:自动记录观看历史,方便你随时继续观看
- 智能推荐:根据你的观看习惯,推荐更多符合口味的番剧
在番剧详情页面,你可以看到完整的番剧信息,包括封面、标题、发布时间等。用户互动区域的设计,让追番不再是一个人的孤独体验。
强大的自定义规则系统
Kazumi最核心的功能就是自定义规则系统。这意味着你可以:
添加任意视频源:通过简单的规则配置,就能将新的视频平台纳入你的追番体系。
预设规则使用:对于新手用户,可以直接使用assets/plugins/目录下的预设规则文件,如DM84.json或anime7.json,这些规则已经过优化,能够稳定获取番剧信息。
高级自定义:随着使用经验的积累,你还可以学习编写自己的规则,真正实现番剧资源的完全掌控。
观影体验全面优化
为了让你的追番体验更加完美,Kazumi提供了丰富的设置选项:
画质增强:开启超分辨率功能,让老番焕发新生,画质得到显著提升。
弹幕互动:支持弹幕功能,让你在观影时感受到更多乐趣。你可以根据自己的喜好调整弹幕速度、透明度等参数。
播放器设置:支持多种解码方式,确保在不同设备上都能获得流畅的播放效果。
实用技巧助你成为追番达人
快速找到心仪番剧
善用分类标签和搜索功能,多个视频源切换搜索,总能找到你想要的资源。
高效管理追番进度
及时收藏感兴趣的番剧,使用追番列表跟踪观看进度,查看历史记录回顾观看内容。
性能优化建议
- 低性能设备建议关闭超分辨率功能
- 网络不佳时适当降低画质设置
- 定期清理缓存保持应用流畅运行
常见问题轻松应对
播放卡顿怎么办? 尝试降低视频画质或切换不同视频源。
搜索不到番剧? 检查视频源是否正常,或尝试使用不同关键词。
开始你的Kazumi之旅
现在就开始体验Kazumi带来的全新追番方式吧!通过简单的设置,你就能:
- 汇聚海量番剧资源于一身
- 享受高清流畅的播放体验
- 轻松管理个人追番进度
- 自定义专属视频来源
Kazumi将持续更新,为你带来更多惊喜功能。无论是追新番还是补旧番,它都将成为你最得力的追番助手。
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


