Jellyfin中NFO文件与3D视频文件的命名匹配问题解析
问题背景
在使用Jellyfin媒体服务器管理3D视频内容时,用户发现当视频文件名包含"3D HSBS"标识时,系统无法正确识别并导入同名的NFO元数据文件。这是一个典型的媒体文件与元数据文件匹配问题,在Jellyfin的媒体库管理中较为常见。
问题现象
用户报告的具体情况是:当视频文件命名为"TITLE-123.3D.HSBS.mp4"时,即使存在正确格式的"TITLE-123.nfo"文件,Jellyfin也无法从中导入元数据信息。这导致3D视频内容缺少应有的标题、年份、演员等元数据。
技术原理分析
Jellyfin对NFO文件的识别遵循特定的命名匹配规则:
-
精确匹配原则:Jellyfin默认要求NFO文件的主文件名必须与媒体文件完全一致。对于"TITLE-123.3D.HSBS.mp4"这样的文件名,系统会寻找"TITLE-123.3D.HSBS.nfo"而非"TITLE-123.nfo"。
-
特殊命名例外:Jellyfin也支持使用"movie.nfo"作为通用元数据文件名,这种命名方式适用于文件夹内只有一个主要媒体文件的情况。
-
3D标识处理:当文件名中包含"3D"、"HSBS"、"HOU"等3D视频格式标识时,这些标识被视为文件名的一部分,系统不会自动忽略它们进行模糊匹配。
解决方案
针对这一问题,有以下几种可行的解决方案:
-
重命名NFO文件:将NFO文件命名为与媒体文件完全一致,如"TITLE-123.3D.HSBS.nfo"。
-
使用通用命名:在媒体文件所在文件夹中创建"movie.nfo"文件。
-
修改Jellyfin匹配逻辑:对于高级用户,可以通过修改Jellyfin源代码中的文件匹配规则,但这需要一定的开发能力。
最佳实践建议
-
对于3D视频内容,建议采用一致的命名规则,如:
/Movies/Title (Year)/ ├── Title (Year).3D.HSBS.mp4 └── Title (Year).3D.HSBS.nfo -
批量处理现有媒体库时,可以使用脚本工具自动生成匹配的NFO文件名。
-
在NFO文件中明确指定3D相关属性,虽然这不是必须的,但有助于媒体库管理:
<format>3D HSBS</format>
总结
Jellyfin对NFO文件的识别采用严格的文件名匹配机制,这一设计确保了元数据管理的准确性,但也要求用户在命名文件时保持一致性。理解这一机制后,用户可以通过简单的文件重命名解决大多数元数据导入问题。对于3D等特殊格式的视频内容,采用系统认可的命名规范是保证元数据正常工作的关键。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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