旧机顶盒变身服务器:TY1613刷入Armbian全攻略
2026-02-04 04:44:34作者:裘晴惠Vivianne
你是否有一台闲置的TY1613机顶盒?它搭载的Amlogic S905L3B芯片其实蕴藏着强大潜力。通过本教程,你将学会如何将其改造为功能完备的Armbian服务器,实现NAS存储、智能家居控制等多种应用。
设备兼容性分析
TY1613机顶盒采用Amlogic S905L3B芯片,属于meson-gxl家族。根据设备支持列表,该芯片与以下已验证设备兼容性最高:
| 设备型号 | SOC | 内核支持 | 主要差异 |
|---|---|---|---|
| TY1613 | S905L3B | 5.15.y/6.1.y | 需自定义dtb |
| CM311-1 | S905L3 | 5.15.y | 内存布局不同 |
| E900V22E | S905L3B | 6.1.y | 完全兼容的参考设备 |
推荐使用基于E900V22E的系统镜像进行适配,通过修改设备树文件实现硬件支持。
准备工作
所需工具
- TY1613机顶盒(已开启USB调试)
- USB-A公对公数据线
- 至少8GB容量USB闪存盘
- 电脑(Windows/macOS/Linux)
下载必要文件
- Armbian系统镜像:选择meson-gxl家族的5.15内核版本
- 工具软件:
- RKDevTool
- balenaEtcher
- Notepad++(用于编辑配置文件)
系统安装步骤
1. 制作启动盘
使用balenaEtcher将下载的Armbian镜像写入USB闪存盘:

2. 修改设备树配置
- 插入制作好的USB盘到电脑
- 打开USB盘中的
/boot/uEnv.txt文件 - 修改FDT参数:
FDT=/dtb/amlogic/meson-gxl-s905l3b-e900v22e.dtb - 保存并安全弹出USB盘
3. 进入刷机模式
- 断开机顶盒电源
- 使用牙签按住机顶盒AV接口内的Recovery键
- 插入USB数据线连接电脑和机顶盒
- 接通电源,保持按键5秒后松开
4. 执行刷机操作
打开RKDevTool工具:

- 点击"高级功能"→"进入Maskrom"
- 右键添加项:地址
0x00000000,选择修改后的Armbian.img - 点击"执行"开始刷机,等待进度条完成
系统配置
首次登录
- 连接机顶盒到路由器,通过路由器管理界面获取IP
- 使用SSH工具连接:
ssh root@192.168.1.100 # 替换为实际IP - 默认密码:1234(首次登录需强制修改)
安装到eMMC
登录系统后执行安装命令:
armbian-install -m yes -a yes

内核优化
为提升TY1613性能,建议更新至最新内核:
armbian-update -k 6.1.50 -u dev
该命令会自动下载并安装针对S905L3B优化的内核版本。
功能验证
硬件检测
执行以下命令确认硬件是否正常工作:
# 查看CPU信息
cat /proc/cpuinfo | grep "model name"
# 验证网络接口
ip addr show eth0
# 测试存储性能
dd if=/dev/zero of=/tmp/test bs=1M count=100 oflag=direct
典型应用部署
- 安装Docker:
armbian-software -i docker - 部署Home Assistant:
docker run -d --name homeassistant --net=host homeassistant/home-assistant:stable
常见问题解决
启动失败
若出现黑屏或无限重启,需检查:
- dtb文件是否正确:
/boot/uEnv.txt中的FDT路径 - 电源供应:确保使用5V/2A规格电源适配器
- 尝试更换USB端口重试
网络不稳定
编辑网络配置文件interfaces:
nano /etc/network/interfaces
添加静态IP配置:
auto eth0
iface eth0 inet static
address 192.168.1.100
netmask 255.255.255.0
gateway 192.168.1.1
dns-nameservers 114.114.114.114 8.8.8.8
进阶优化
编译自定义内核
如需添加特定驱动,可参考内核编译指南:
git clone https://gitcode.com/GitHub_Trending/am/amlogic-s9xxx-armbian.git
cd amlogic-s9xxx-armbian
sudo ./recompile -k 6.1.50 -p true
散热改造
S905L3B在高负载下易过热,建议:
- 移除机顶盒外壳
- 添加铝制散热片(尺寸30x30x10mm)
- 禁用不必要的HDMI输出:
echo 0 > /sys/class/drm/card0-HDMI-A-1/status
总结与展望
通过本教程,你已成功将TY1613机顶盒改造为功能强大的Armbian服务器。目前项目对Amlogic S905L3B系列的支持正在持续优化,未来将实现:
- 主线内核完全支持
- 硬件加速视频解码
- 蓝牙功能驱动适配
欢迎在项目贡献指南中提交你的适配经验,帮助更多用户释放旧设备价值。
本文档基于amlogic-s9xxx-armbian项目v2.3版本编写,适配TY1613机顶盒硬件版本V1.2。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedJavaScript094- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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
热门内容推荐
最新内容推荐
3步掌握Mermaid Live Editor:让图表创作效率提升10倍3个高效研究工具,让你的学术工作流提升80%效率3步搞定黑苹果EFI:OpCore Simplify如何革新你的配置体验如何使用密码安全检测工具提升系统防护能力零基础2024新版:3步打造专属微信群智能助手3个高效技巧:ChilloutMix NiPrunedFp32Fix让你快速生成超逼真图像3步解锁OpCore Simplify:告别OpenCore配置烦恼,新手也能轻松上手如何3秒提取屏幕文字?Windows OCR工具实战指南Linux Notion客户端:如何突破生态壁垒实现无缝集成AI建筑设计草图生成工具:用ChilloutMix NiPrunedFp32Fix释放创意潜能
项目优选
收起
暂无描述
Dockerfile
700
4.5 K
Ascend Extension for PyTorch
Python
563
691
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
JavaScript
521
93
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
956
951
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
411
338
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
209
昇腾LLM分布式训练框架
Python
148
176
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
140
221