Kazumi:基于自定义规则的番剧采集应用完全指南
Kazumi是一款使用Flutter开发的基于自定义规则的番剧采集与在线观看程序。它通过最多五行基于XPath语法的选择器构建自己的规则,支持规则导入与分享,并提供基于Anime4K的实时超分辨率功能。
支持平台与环境要求
Kazumi支持多种操作系统平台:
- Android 10及以上版本
- Windows 10及以上版本
- macOS 10.15及以上版本
- Linux(实验性支持)
- iOS 13及以上版本(需要自签名)
- HarmonyOS 5.0及以上版本(位于分支仓库,需要侧载)
应用界面概览
播放界面提供完整的控制选项,包括播放控制、画质设置和弹幕功能
核心功能特性
Kazumi提供丰富的功能集,包括:
- 规则编辑器:支持自定义视频源规则
- 番剧目录:按分类浏览番剧内容
- 番剧搜索:快速查找特定番剧
- 番剧时间表:查看番剧播出时间安排
- 多视频源支持:同时使用多个视频源
- 视频播放器:内置高性能播放器
- 番剧弹幕:支持弹幕互动功能
- 追番列表:管理个人收藏的番剧
- 历史记录:记录观看历史
- 超分辨率:基于Anime4K的画质增强
- 一起看功能:多人同步观看体验
安装与部署
下载方式
Kazumi提供多种下载渠道:
Windows平台: 从发布页面下载Windows版本的安装包,双击安装包按照向导完成安装。
Android平台: 除了从发布页面下载APK安装外,还可以通过F-Droid应用商店安装。
Linux平台: Linux用户有多种安装选择:
# Flathub安装
flatpak install flathub io.github.Predidit.Kazumi
# AUR安装(Arch Linux)
yay -S kazumi # 从源码构建
yay -S kazumi-bin # 二进制包
# archlinuxcn安装
sudo pacman -S kazumi
自定义规则编写
Kazumi最强大的功能是支持自定义规则,用户可以通过简单的XPath语法创建自己的视频源。规则文件使用JSON格式,基本结构如下:
{
"api": "1",
"type": "anime",
"name": "示例规则",
"version": "1.0",
"baseURL": "https://example.com/",
"searchURL": "https://example.com/search?q=@keyword",
"searchList": "//div[@class='search-results']",
"searchName": "//h3/text()"
}
现有的规则文件位于assets/plugins/目录下,如DM84.json、anime7.json等,可以作为编写自定义规则的参考。
技术架构与依赖
Kazumi基于Flutter框架开发,使用了多个重要的依赖包:
- flutter_modular:模块化架构管理
- mobx:状态管理
- dio:网络请求处理
- hive:本地数据存储
- media_kit:跨平台媒体播放
- xpath_selector:XPath解析支持
- canvas_danmaku:弹幕功能实现
使用指南
首次启动配置
启动Kazumi后,首先需要添加视频源。用户可以从预设规则中选择或创建自定义规则。规则文件存放在assets/plugins/目录下。
播放设置
在设置页面可以调整默认画质、播放速度等选项。Kazumi支持基于Anime4K的实时超分辨率,相关着色器文件位于assets/shaders/目录。
个性化界面
用户可以在设置中更改主题配色,选择适合自己的界面风格。主题设置相关代码位于lib/bean/settings/theme_provider.dart。
高级功能
超分辨率技术
Kazumi集成Anime4K实时超分辨率技术,可以显著提升低画质视频的观看体验。用户可以根据设备性能选择不同的超分模式:
- 效率优先:适合性能较弱的设备
- 质量优先:适合高性能设备,提供最佳画质
超分辨率功能由lib/shaders/shaders_controller.dart控制,使用assets/shaders/目录下的GLSL着色器文件。
一起看功能
Kazumi支持多人同步观看功能,让用户可以和朋友远程同步观看番剧。相关实现位于lib/utils/syncplay.dart。
使用方法:
- 在播放界面点击"一起看"按钮
- 创建房间或加入现有房间
- 邀请朋友加入,开始同步观看
常见问题解决
播放问题处理
如果遇到播放卡顿或无法播放的情况,可以尝试以下解决方案:
- 降低画质:高画质需要更强的网络和设备性能
- 关闭超分辨率:超分功能对GPU要求较高
- 切换视频源:某些视频源可能存在地区限制
- 清除缓存:在设置中清除应用缓存
规则编写问题
如果自定义规则无法正常工作:
- 确保使用以"//"开头的XPath选择器
- 参考现有的规则文件结构
- 测试规则时可以先关闭内置播放器选项,使用webview进行播放测试
开发与贡献
Kazumi是一个开源项目,欢迎开发者参与贡献。项目源码组织在lib/目录下,包含应用的各个模块和功能实现。
主要的代码模块包括:
- lib/pages/:页面组件实现
- lib/modules/:数据模块定义
- lib/bean/:UI组件和小部件
- lib/plugins/:插件管理功能
- lib/utils/:工具类和辅助函数
开发者可以参考项目中的示例规则,向规则仓库提交自己的自定义规则,共同完善Kazumi的功能生态。
Kazumi仍在持续开发中,更多功能如番剧下载、更新提醒等正在开发中,未来版本将带来更多令人期待的功能更新。
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


