推荐项目:Posterr —— 影院式媒体展示软件
项目介绍
Posterr 是一款为Plex、Sonarr、Radarr和Readarr设计的媒体显示软件,它就像电影剧院门外的海报屏一样,将您的家庭媒体中心生动展现。通过显示当前播放的电影、电视剧、音乐等信息,以及随机选播的内容,这个应用能让您的多媒体库变得充满活力。
技术分析
Posterr 基于 Node.js 和 Express 构建,并打包成 Docker 镜像,支持跨平台运行(包括MacOS、Linux和Windows)。它利用了Node-Plex-API与Plex、Sonarr、Radarr和Readarr进行通信,以获取最新的媒体信息。前端采用Jquery、Bootstrap和Font-Awesome构建,保证了良好的用户体验和响应速度。
应用场景
- 在墙上安装一个显示器,展示您的家庭媒体收藏,提升家居科技感。
- 将其设置在第二台显示器上,实时查看正在运行的媒体。
- 在家庭影院房间外的屏幕上展示播放中、即将上映的电影或书籍,增添观影氛围。
- 利用反向代理或端口转发,让朋友远程了解您家中的媒体动态。
项目特点
- 支持多种媒体管理工具:Plex、Sonarr、Radarr和Readarr。
- 显示播放进度条,区分直接播放和转码状态。
- 自动适应各种屏幕尺寸和横竖屏模式。
- 提供背景艺术图选项,优化横向视角。
- 内置睡眠定时器,在设定时间内自动关闭显示。
- 可选择主题的趣味知识问答游戏。
安装与更新
Posterr 的安装简单便捷,支持Docker Compose、Unraid模板等多种方式。容器镜像会定期更新,只需配置好相关环境变量,即可轻松部署。升级过程中,如果需要更改设置,系统会在设置页面给出提示。
Posterr 的潜力不仅限于此,其低资源占用(内存20-35MB,磁盘空间约75MB,CPU占用<1%),使其非常适合在各种设备上稳定运行。无论您是家庭娱乐爱好者还是寻求创新的家庭自动化解决方案,Posterr 都值得尝试。
为了获得更好的体验,请访问项目提供的用户指南,解决遇到的问题可以参考Troubleshooting部分,也可加入Discord群组与其他用户交流。
最后,如果您喜欢这个项目,不妨支持一下开发者,让Posterr持续发展。
感谢阅读,现在就去体验Posterr带来的影院级媒体展示吧!
许可证:MIT
请注意,Posterr 对第三方应用程序和服务有依赖性,可能存在暂时或永久的技术或法律问题,本软件不提供任何保修或保证。下载的主题和图像可能受版权保护,属于各自版权所有者。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00