MetaShark:Jellyfin中文影视元数据全方位刮削解决方案
2026-04-21 11:29:11作者:尤峻淳Whitney
MetaShark作为Jellyfin媒体服务器的专业元数据刮削插件,集成豆瓣、TMDB、IMDB等多数据源,专为中文用户打造精准高效的元数据管理工具,让您的媒体库信息完整、分类清晰。
🦈 为什么MetaShark能颠覆您的媒体库体验
突破传统刮削局限
传统元数据刮削工具常面临中文影视信息不准确、匹配率低等问题。MetaShark通过多源数据融合与智能识别技术,解决了中文影视命名复杂、别名多样的匹配难题,实现了从"勉强可用"到"精准高效"的体验升级。
四大核心技术优势
- 多源数据聚合:整合豆瓣、TMDB、IMDB、OMDB四大平台数据,中文内容优先采用豆瓣数据源,国际作品自动切换至TMDB,确保信息全面准确
- 智能名称解析:基于AnitomySharp引擎开发的名称解析系统,能精准提取标题、年份、季集信息和质量标识
- 自适应匹配算法:结合JaroWinkler字符串相似度算法与元数据权重分析,实现模糊匹配场景下的精准定位
- 增量更新机制:仅更新变更数据,大幅降低网络消耗和处理时间
实现精准匹配的秘诀:核心功能解析
智能媒体类型适配
MetaShark针对不同媒体类型提供定制化刮削策略:
适用场景
- 电影收藏爱好者:自动获取高清海报、详细剧情、演员信息和专业评分
- 电视剧追更用户:精准匹配季集信息,自动下载每集标题和剧情简介
- 纪录片收藏家:整合多平台分类信息,建立完整的知识体系
| 媒体类型 | 核心刮削字段 | 数据源优先级 | 特色功能 |
|---|---|---|---|
| 电影 | 海报、评分、剧情、演员、导演 | 豆瓣 > TMDB > IMDB | 自动识别导演剪辑版、加长版 |
| 电视剧 | 季信息、集标题、演员阵容 | 豆瓣 > TMDB | 支持季内集数智能排序 |
| 人物 | 照片、简介、作品列表 | TMDB > 豆瓣 | 多语言简介自动切换 |
| 合集 | 封面、成员作品、简介 | 自定义 > 豆瓣 | 自动创建系列合集 |
三步完成智能配置
- 数据源优先级设置:在插件配置页面拖放排序数据源,设定中文内容优先使用豆瓣
- 刮削规则定制:根据文件命名习惯,调整标题识别权重和年份提取规则
- 批量处理计划:设置定时任务,在网络空闲时段自动更新元数据
解决实际问题:从经典到热门的全面覆盖
经典作品识别方案
针对《红楼梦》《西游记》等多版本经典作品,MetaShark提供三重保障:
- 年份精准定位:通过文件夹名称提取年份信息(如"红楼梦 (1987)")
- 多源交叉验证:同时比对豆瓣和TMDB的版本信息,自动选择匹配度最高结果
- 手动锁定功能:确认正确元数据后可锁定,防止后续更新覆盖
热门新片快速匹配
对于刚上映的热门影片,插件通过:
- TMDB实时数据同步:提前获取上映信息
- 名称模糊匹配:支持简称、别名识别
- 用户贡献修正:社区数据快速迭代
性能优化指南:打造高效媒体库管理系统
系统资源优化
- 网络带宽控制:设置并发请求数量,避免网络拥堵
- 缓存策略配置:调整元数据缓存时间,平衡新鲜度与性能
- 分级刮削模式:优先刮削基础信息,详细内容后台异步加载
大规模媒体库处理
- 增量更新:仅处理新增或变更文件
- 批量操作队列:按优先级排序处理任务
- 资源监控:实时显示刮削进度和系统资源占用
安装与使用:让元数据管理变得简单
环境准备
- Jellyfin 10.7.x及以上版本
- .NET 6.0运行时环境
- 稳定的互联网连接
快速部署步骤
- 克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/je/jellyfin-plugin-metashark - 编译项目生成插件包
- 通过Jellyfin插件管理界面上传安装
- 重启Jellyfin服务并进行基础配置
结语:重新定义中文媒体库体验
MetaShark凭借其多源数据整合能力、智能识别算法和灵活的配置选项,彻底解决了中文影视元数据管理的痛点。无论是构建个人媒体库还是小型影视服务器,这款插件都能提供专业级的元数据解决方案,让您的收藏展现出最佳状态。
选择MetaShark,告别元数据混乱,享受井然有序的媒体管理体验,让每一部影视作品都能完整呈现其艺术价值。
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 StartedRust041
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
老旧Mac系统升级:让过时设备重获新生的完整解决方案高效解决输入设备控制难题:Input Remapper的灵活配置与自定义控制指南FSearch:让Linux文件搜索快如闪电的索引式搜索工具3步攻克音乐歌词获取难题:智能云音乐歌词解决方案Awoo Installer:3大突破破解Switch游戏安装难题的全方位解决方案详解Oni-Duplicity:打造专属《缺氧》世界的全能存档编辑工具告别ADB命令行困扰:ADB Explorer让Android设备管理如此简单VoTT:计算机视觉标注工具的全流程实践指南Universal-IFR-Extractor实战指南:从功能解析到配置优化的完整路径3个步骤掌握GPT Researcher:从智能研究助手到自动化报告生成
项目优选
收起
暂无描述
Dockerfile
682
4.36 K
Ascend Extension for PyTorch
Python
523
633
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
Rust
187
41
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
401
307
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++
950
900
暂无简介
Dart
927
229
🎉 (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
1.57 K
912
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
134
214
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++
125
205
昇腾LLM分布式训练框架
Python
144
169
