【群晖】NASTOOL-自动化处理影音视频工具

2024-04-04 12:44

本文主要是介绍【群晖】NASTOOL-自动化处理影音视频工具,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

【群晖】NASTOOL-自动化处理影音视频

本文主要从获取、部署、使用、配置等方面进行手把手教学如何使用nastool工具进行影音视频自动化处理。从此靠别繁琐的网上各个网址找资源-下载-复制-改名-刮削等操作。

准备

  1. DSM 7.1 (我使用的是群晖 7.1 系统,不管是白群还是黑群都是可以的)
  2. 网络通畅

部署

  1. 打开套件中心
  2. 在“设置”中填写地址 https://spk7.imnks.com/
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
  3. 完成后会在左侧导航中出现“社群”,安装即可,支持直接搜索
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
  4. 部署完成后会出现一个配置页面配置账号等信息,因为我已经完成配置了,所以这里是登录。默认的访问端口是3003.
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
  5. 在DSM中的文件管理中设置权限,例如我们的媒体文件都放在video下的,那么video文件夹就需要所有权限
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

设置

基础配置

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

  • User-Agent:打开站点页面控制台,找到网络,在请求链接中直接复制
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/16.2 Safari/605.1.15

媒体库配置

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

目录同步

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

消息通知

不作介绍,目前国内的微信必须注册为企业账号,别的一些通知方式大家有兴趣的可以了解下如何配置。Synology Chat目前国内不支持,需要科学获取。
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

过滤规则

设置订阅、下载媒体资源的时候,资源搜索的过滤规则,目前都是设置好了的,只需要点击上面的“⭐️”即可使用
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

自定义识别词

使用默认的即可

索引器

使用默认的即可,该索引器索引的是资源网站的内容,不是本地内容,如果新增了站点订阅后需要重新回到此处勾选上新增的站点,否则无法索引。
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

下载器

我使用的是Transmission,原来使用的是QB,但是不太好用,有点麻烦,就换成了transmission。具体如何部署transmission我另外写一个教程。
填写transmission的账号密码和端口地址即可
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

媒体服务器

我的是emby,就以emby举例
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

Emby获取ApiKey

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

字幕

以前还有OpenSubtitles,现在只有ChineseSubFinder了。
opensubtitles配置简单,只需要填写账号即可。ChineseSubFinder配置较为复杂,但功能强大,这里不做赘述。

豆瓣

填写豆瓣ID,设置配置,这样只需要你在豆瓣上选择想要看的电影、电视剧,点击“想看”,在“同步间隔”小时后会自动添加订阅,如果当前影片存在符合条件的资源就会自动下载,到时候就可以直接观看了。
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

豆瓣ID获取
  1. 下载豆瓣app
  2. 注册账号
  3. 点击左上角菜单中的“设置”
  4. 点击“资料与账号”
  5. 复制下面的“豆瓣ID”即可

站点管理

新增站点

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

  • 名称:随便写,一般直接写有账号的BT、PT站的名称简写

  • 站点地址:BT、PT站的首页域名地址

    • 如果需要签到,则填写站点签到页面的地址
  • COOKIE:账号登录站点后,打开控制台,输入以下命令可以获取到cookie,注意复制的时候不要包含前后引号

    • mac版本的浏览器使用option + command + i 打开控制台
    • windows版本的浏览器使用 F12 打开控制台
    document.cookie
    
  • 过滤规则:根据自己的情况选择,一般用“日常观影”,占用空间会少点

  • 下载设置:选择你设置好的下载器,我的是transmission,不建议用默认,会不生效

站点资源

上面新增完成站点后就会在“站点资源”中出现该站点,点击进去,如果页面正常显示,即配置成功
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

数据统计

获取的是当前nastool添加的所有站点的所有下载、上传、做种的情况的合,最下面会以列表形式展示每个站点的下载、上传、做种的情况
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

刷流任务

一般所有站点对新人都会存在考核,这里就需要用到这个刷流任务用以通过考核。
首先需要先创建一个下载器,然后再去配置任务详情。

自定义下载器

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

  • 名称:自定义名称,随便写
  • 类型:选择你在nastool中配置好的下载器
  • IP地址:对应类型下载器的IP地址
  • 端口:对应类型下载器的端口
  • 用户名:对应类型下载器的用户名
  • 密码:对应类型下载器的用户名
  • 保存目录:保存当前刷流任务下载的资源的文件路径
    • 该文件路径要求同时拥有nastool和下载器的权限,权限设置可以在DSM中的File Station中选取设置
    • 因为是刷流任务,一般来说都不是自己想要观看的内容,所以我们通常使用一个临时路径或者刷流任务路径去保存,而不是和我们的emby媒体服务器中的文件路径一致

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

新增刷流任务
  • 任务名称:随便写
  • 站点:选择你要刷流的站点
  • 刷新间隔:每次获取新内容的间隔时间,间隔越短,通常来说下载量越大
  • 下载器:选择刚才添加的“自定义下载器”
  • 保种体积:种子资源的保存容量,根据你的实际磁盘需求执行决定
  • 状态:正常-开启刷流任务,暂停-停止刷流任务

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

完成新增刷流任务后可以点击任务名称右侧的“⚡️”标志立即执行,查看时候成功添加

搜索影片并订阅

搜索

  • 两种方式搜索
    • 使用nastool自带的搜索框进行搜索,搜索范围为索引器添加的所有默认站点范围
    • 使用订阅的站点进行站内搜索,需要注意的是,站内搜索的搜索框在右上角,并不是顶部搜索栏中

搜索到影片后可以选择订阅搜索

  • 如果搜索就会立刻搜索所有符合条件的资源,通常针对已下映的影片进行该操作

订阅

选择订阅后,在弹出的订阅成功页面中选择“编辑”,编辑相关内容,否则可能无法执行自动下载

  • 质量:通常不选择,或者选择蓝光,如果不选择可能会出现下载到 iso 文件
  • 分辨率:设置视频分辨率,如果设置了过滤规则这个地方可以不用设置,除非要求制定某种分辨率
  • 字幕组:一般不设置
  • 过滤规则:选择设置好的过滤规则
  • 下载设置: 选择你已经配置佛得下载器
  • 保存路径:选择需要保存的路径,这个就是下载器下载资源的保存路径,nastool会定时从目录进行同步,具体参考“目录同步”

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

这篇关于【群晖】NASTOOL-自动化处理影音视频工具的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/875811

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【Linux 从基础到进阶】Ansible自动化运维工具使用

Ansible自动化运维工具使用 Ansible 是一款开源的自动化运维工具,采用无代理架构(agentless),基于 SSH 连接进行管理,具有简单易用、灵活强大、可扩展性高等特点。它广泛用于服务器管理、应用部署、配置管理等任务。本文将介绍 Ansible 的安装、基本使用方法及一些实际运维场景中的应用,旨在帮助运维人员快速上手并熟练运用 Ansible。 1. Ansible的核心概念

Thymeleaf:生成静态文件及异常处理java.lang.NoClassDefFoundError: ognl/PropertyAccessor

我们需要引入包: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>sp

如何使用Ansible实现CI/CD流水线的自动化

如何使用Ansible实现CI/CD流水线的自动化 持续集成(CI)和持续交付(CD)是现代软件开发过程中的核心实践,它们帮助团队更快地交付高质量的软件。Ansible,作为一个强大的自动化工具,可以在CI/CD流水线中发挥关键作用。本文将详细介绍如何使用Ansible实现CI/CD流水线的自动化,包括设计流水线的结构、配置管理、自动化测试、部署、以及集成Ansible与CI/CD工具(如Jen

jenkins 插件执行shell命令时,提示“Command not found”处理方法

首先提示找不到“Command not found,可能我们第一反应是查看目标机器是否已支持该命令,不过如果相信能找到这里来的朋友估计遇到的跟我一样,其实目标机器是没有问题的通过一些远程工具执行shell命令是可以执行。奇怪的就是通过jenkinsSSH插件无法执行,经一番折腾各种搜索发现是jenkins没有加载/etc/profile导致。 【解决办法】: 需要在jenkins调用shell脚

明明的随机数处理问题分析与解决方案

明明的随机数处理问题分析与解决方案 引言问题描述解决方案数据结构设计具体步骤伪代码C语言实现详细解释读取输入去重操作排序操作输出结果复杂度分析 引言 明明生成了N个1到500之间的随机整数,我们需要对这些整数进行处理,删去重复的数字,然后进行排序并输出结果。本文将详细讲解如何通过算法、数据结构以及C语言来解决这个问题。我们将会使用数组和哈希表来实现去重操作,再利用排序算法对结果

8. 自然语言处理中的深度学习:从词向量到BERT

引言 深度学习在自然语言处理(NLP)领域的应用极大地推动了语言理解和生成技术的发展。通过从词向量到预训练模型(如BERT)的演进,NLP技术在机器翻译、情感分析、问答系统等任务中取得了显著成果。本篇博文将探讨深度学习在NLP中的核心技术,包括词向量、序列模型(如RNN、LSTM),以及BERT等预训练模型的崛起及其实际应用。 1. 词向量的生成与应用 词向量(Word Embedding)

使用协程实现高并发的I/O处理

文章目录 1. 协程简介1.1 什么是协程?1.2 协程的特点1.3 Python 中的协程 2. 协程的基本概念2.1 事件循环2.2 协程函数2.3 Future 对象 3. 使用协程实现高并发的 I/O 处理3.1 网络请求3.2 文件读写 4. 实际应用场景4.1 网络爬虫4.2 文件处理 5. 性能分析5.1 上下文切换开销5.2 I/O 等待时间 6. 最佳实践6.1 使用 as

Level3 — PART 3 — 自然语言处理与文本分析

目录 自然语言处理概要 分词与词性标注 N-Gram 分词 分词及词性标注的难点 法则式分词法 全切分 FMM和BMM Bi-direction MM 优缺点 统计式分词法 N-Gram概率模型 HMM概率模型 词性标注(Part-of-Speech Tagging) HMM 文本挖掘概要 信息检索(Information Retrieval) 全文扫描 关键词