LibreTorrent:Android平台上的开源BitTorrent客户端
LibreTorrent是一款功能强大且完全免费的Android BitTorrent客户端,采用GPLv3开源协议发布。该项目致力于为用户提供一个自由、透明且功能完整的torrent下载解决方案,强调隐私保护和用户自由。
项目概述
LibreTorrent基于libtorrent4j库构建,支持BitTorrent 2.0协议和WebTorrent技术。它提供了完整的torrent下载管理功能,包括文件选择下载、流媒体播放、RSS订阅自动下载等高级特性。应用采用Material Design设计语言,支持深色主题和Android TV适配。
核心技术特性
完整的协议支持
- BitTorrent 2.0和WebTorrent协议兼容
- 支持DHT、PeX、加密连接、LSD(本地发现)
- UPnP和NAT-PMP端口映射支持
- µTP(Micro Transport Protocol)协议
高级功能
- 文件选择性下载和优先级设置
- 下载完成后自动移动文件到指定目录
- 支持流媒体播放,可边下边播
- RSS订阅和自动下载管理
- 支持创建包含多个大文件的种子
- IP过滤功能(支持eMule DAT和PeerGuardian列表)
用户界面
- Material Design设计,支持深色和黑色主题
- 平板电脑和Android TV优化界面
- 多语言支持(超过35种语言)
- 可定制的网络、电池和UI设置
技术架构
LibreTorrent采用现代化的Android架构,主要包含以下核心组件:
TorrentEngine - 核心下载引擎,管理所有torrent会话和下载任务
TorrentRepository - 数据持久层,负责torrent信息的存储和检索
FileSystemFacade - 文件系统抽象层,处理各种存储方案的兼容性
SettingsRepository - 配置管理,支持丰富的自定义设置选项
项目使用Room数据库进行数据持久化,支持复杂的torrent状态管理和恢复功能。网络层基于libtorrent4j库,提供了稳定高效的P2P传输能力。
应用场景
LibreTorrent适用于多种使用场景:
移动下载 - 在Android设备上快速下载大文件 媒体播放 - 支持流媒体播放,无需等待完整下载 内容分享 - 创建和分享自己的torrent文件 RSS订阅 - 自动监控和下载感兴趣的内容 Android TV - 大屏幕设备上的torrent下载和管理
项目特点
完全开源 - 采用GPLv3协议,代码完全开放透明 隐私保护 - 不收集用户数据,所有权限明确告知 无广告 - 纯净的使用体验,无任何广告干扰 社区驱动 - 鼓励用户参与翻译和功能开发 跨设备支持 - 支持手机、平板、TV等多种设备形态
开发与贡献
项目欢迎开发者贡献代码,贡献指南详见CONTRIBUTING.md。开发遵循KISS(Keep It Simple, Stupid)原则,注重代码的可维护性和可读性。
本地化文件位于app/src/main/res/values-*目录下,支持通过Weblate平台进行翻译贡献。项目使用标准的Android开发工具链,支持Gradle构建。
许可证与隐私
LibreTorrent采用GNU General Public License v3.0许可证,确保软件的自由性。隐私政策明确说明应用不收集用户个人信息,所有数据本地存储。
要获取项目源代码,可以克隆仓库:
git clone https://gitcode.com/gh_mirrors/li/libretorrent
LibreTorrent代表了Android平台上torrent客户端的开源解决方案,为追求自由软件和隐私保护的用户提供了优秀的选择。
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




