【亲测免费】 Jellyfin Audio Player 下载及安装教程
1. 项目介绍
Jellyfin Audio Player 是一个专为 iOS 和 Android 平台设计的音频流媒体应用,允许用户通过 Jellyfin 服务器流式传输其音频库。该应用支持全品质音频流、搜索和浏览音乐、通过 AirPlay 或 Chromecast 无线传输到扬声器和电视、下载音乐以离线播放等功能。应用界面支持深色和浅色模式,根据操作系统设置自动切换。
2. 项目下载位置
Jellyfin Audio Player 的源代码托管在 GitHub 上。用户可以通过以下步骤下载项目:
-
打开终端或命令行工具。
-
使用
git clone命令下载项目:git clone https://github.com/leinelissen/jellyfin-audio-player.git这将把项目源代码下载到当前目录下的
jellyfin-audio-player文件夹中。
3. 项目安装环境配置
3.1 安装 Node.js
Jellyfin Audio Player 项目基于 React Native 开发,因此首先需要安装 Node.js。
-
访问 Node.js 官方网站 下载并安装适合您操作系统的 Node.js 版本。
-
安装完成后,通过以下命令验证 Node.js 是否安装成功:
node -v npm -v如果安装成功,将显示 Node.js 和 npm 的版本号。
3.2 安装项目依赖
进入项目目录并安装项目依赖:
cd jellyfin-audio-player
npm install
3.3 配置 iOS 开发环境
3.3.1 安装 Xcode
- 访问 Mac App Store 下载并安装 Xcode。
- 安装完成后,打开 Xcode 并同意许可协议。
3.3.2 配置 iOS 模拟器
-
打开 Xcode,选择
Preferences->Components,安装所需的 iOS 模拟器。 -
在终端中运行以下命令启动 iOS 模拟器:
open -a Simulator
3.4 配置 Android 开发环境
3.4.1 安装 Android Studio
- 访问 Android Studio 官方网站 下载并安装 Android Studio。
- 安装完成后,打开 Android Studio 并配置 Android SDK。
3.4.2 配置 Android 模拟器
- 打开 Android Studio,选择
AVD Manager,创建并启动一个 Android 虚拟设备(AVD)。
4. 项目安装方式
4.1 运行开发版本
在项目根目录下,运行以下命令启动开发版本:
-
启动 iOS 开发版本:
npm run ios -
启动 Android 开发版本:
npm run android
4.2 生成生产版本
项目使用 Fastlane 进行生产版本的构建。首先安装 Fastlane:
gem install bundler
bundle install -j 6
然后运行以下命令生成生产版本:
-
生成 iOS 生产版本:
fastlane ios beta -
生成 Android 生产版本:
fastlane android beta
5. 项目处理脚本
Jellyfin Audio Player 项目包含多个处理脚本,用于自动化构建、测试和发布流程。以下是一些常用的脚本:
npm run ios:在 iOS 模拟器中运行应用。npm run android:在 Android 模拟器中运行应用。fastlane ios beta:生成 iOS 生产版本。fastlane android beta:生成 Android 生产版本。
这些脚本可以帮助开发者快速构建和测试应用,提高开发效率。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00