Skip to content
This repository has been archived by the owner on Aug 2, 2021. It is now read-only.

Latest commit

 

History

History
212 lines (170 loc) · 8.04 KB

README.md

File metadata and controls

212 lines (170 loc) · 8.04 KB
Raw

本项目不再维护。请使用 CytoidCommunity/conflict 以获得更好的使用体验。

hikaru

此时此刻，你也一定，光辉耀目
/ 君は私の光〜

Docker 用法

提供两个版本的镜像tag，请按照需求选择：

wacky6/hikaru:lite 仅提供基础录屏功能（仅daemon和dmk），镜像大小 ~120MB
wacky6/hikaru:full 提供完整功能（包括自动提取），镜像大小 ~400MB

docker pull wacky6/hikaru:<tag>
docker run -v <local_dir>:/root/hikaru/ wacky6/hikaru <command> [args...]

在指令后追加 --help 选项查看帮助，参见Docker示例

直播监听 - daemon

hikaru daemon <room_id>   # 房间号（短号、长号均可）

捕捉直播视频，默认保存到 ~/hikaru/ ，文件名：<up昵称>__<日期>_<捕捉开始时间>.flv。
时区为 中国标准时间 (CST / UTC+8)。

  • -C / --no-capture：配合 Telegram 通知使用。只发通知，不录制。 （那个 up 不够重要）
  • -f / --format：指定录播文件格式，支持： mp4 / mkv。
  • -i / --interval：开播状态查询间隔，单位为秒。默认60s。过快可能导致被封禁

直播结束后自动上传录像

实现原理：直播结束后自动调用 uplink 指令将录播文件上传

向 daemon 指令后追加参数：

-U <minio_endpoint>   # minio_endpoint 与 uplink 指令下同名参数相同，将会被直接传递过去

Telegram 开播通知

Notification Screenshot

开播时投递 Telegram 消息。向 daemon 指令后追加以下两个参数：

-T https://api.telegram.org/    # 可选，Telegram API地址，绕墙
-t <tg_token>:<chat_id>    # Telegram Bot Token 和 聊天 ID，消息投送到目标聊天

个人使用示例：

  1. 用 @BotFather 创建 Bot， 记下 token (例如 123456:abcdef-xyz)
  2. 搜索刚创建到 Bot， 和它聊天，并发送 /start 指令激活它
  3. 用 @userinfobot 获取自己的 telegram_id，用来创建和 Bot 的私人聊天
  4. 用 -t 选项和上面记下的信息开启通知: hikaru daemon <room_id> -t <token>:<telegram_id>

QQ 开播通知

用 Mirai 以及 Mirai HTTP API 插件作为 QQ 机器人后端。

开播时向 QQ 群内投递消息。向 daemon 指令后追加以下两个参数：

-M <qq>:<authkey>@<host>:<port> # 机器人的QQ号、Mirai-HTTP-API认证秘钥、后端地址和端口
-m [groups]       # 要投递的群，可以填多个，请用空格隔开

弹幕监听 / 超级弹幕姬 - dmk

hikaru dmk [-R] <room_id...>   # 房间号（短号、长号均可）

捕捉房间内弹幕，需配合 --dump 或 --publish 或 --log-path 选项指定记录方式。

  • -R / --raffle-filter：开启刷屏弹幕过滤（例如，节奏风暴、小电视），推荐使用。
  • -r / --redundancy <n>：设置冗余度（多连接 <n> 个弹幕服务器），范围0-3，默认1。
    可减少因小破站服务器繁忙而丢失弹幕的可能性 （未严格验证，依然有可能有丢弹幕）
  • -b / --publish-broadcast：推送广播弹幕（如，广播抽奖，小时榜），与 --publish 选项使用
  • -p / --publish：推送到 AMQP / RabbitMQ，用于构建复杂的实时应用 （比如抽奖、排行榜）
    使用 --publish-url 和 --publish-name 指定 AMQP 服务器节点 和 Topic。
    默认 amqp://localhost/ 和 hikaru.danmaku
  • -l / --log-path <path>：输出日志，用于离线分析 （数据收集怪）
    启用日志输出，设置日志路径。使用 @roomid 表示 房间号（长号）。
    例如： --log-path /root/hikaru/[email protected]

身体姿势分析 - pose

hikaru pose <input>

分析身体姿势（Pose）并输出结果。输出可用于自动截取视频热点片段（白瞟姬）。

  • <input>：- 表示 stdin；或者是文件路径
  • -o / --output <out>：输出文件，- 表示 stdout；或者是文件路径
    对stdin输入，默认stdout
    对文件输入，默认文件所在目录下 .pose/ 文件夹的同名文件，扩展名取决于 --format 选项
  • -f / --format <csv|ndjson>：输出格式；
    csv 只输出最显著身体姿态的可信度和位置
    ndjson 输出所有检测到的身体姿态
  • -c / --center-crop：只分析影像的中心部分（正方形中心区域），如果主体位于视频中心位置能加快处理速度
  • -m / --multiplier <0.5|0.75|1.0|1.01>：PoseNet 卷基层倍数；小 -> 快速，大 -> 精确
  • -r / --resolution <193|257|353|449|513>：PoseNet 输入分辨率；小 -> 快速，大 -> 精确
  • -s / --stride <8|16|32>：PoseNet 条带；小 -> 精确，大 -> 快速

热点片段截取 - extract

hikaru extract <media> -t <type>

分析视频内容，截取热点片段（白瞟姬）。

  • <media>：已保存的直播视频
  • -t / --type <T>：指定热点类型，目前支持：
    • dance：舞区（视频聊天 - 舞见），截取跳舞的片段，基于 Pose 分析
  • -X：指定提取过程的参数
  • -A：指定分析过程的参数

更多选项用 hikaru extract --help 查看。

自动上传 Minio - uplink

hikaru uplink -f [mtime_within] -e [extensions] -O <outdir> <minio_endpoint>

实现自动上传/自助获取录播，详见 uplink/README.md。

现已支持阿里云OSS，对应<minio_endpoint>格式为：https://endpoint/bucket 示例：https://oss-cn-hangzhou.aliyuncs.com/hikaru

示例 （Docker环境）

### 基础录屏
# 录制 922045 房间
# 保存录像到 `/storage/hikaru/焦小玲珑`
# 绕墙发送开播通知，有弹出框
docker run \
  --restart=always -itd \
  --name hikaru-922045 \
  -v /storage/hikaru/焦小玲珑:/root/hikaru \
  wacky6/hikaru:lite daemon 922045 \
  -t 03108991:ABCDEFGHIJKLMN:19950418 \
  -T https://tg-api.example.com/
### 基础弹幕捕获
# 监听 922045、697773 房间的弹幕
# 每房间一个冗余的弹幕姬
# 推送弹幕到 AMQP，推送广播弹幕，开启刷屏弹幕过滤
# 保留原始弹幕日志到 `/storage/hikaru/dmk`
docker run \
  --restart=always -itd \
  --name hikaru-dmk-r1 \
  -v /storage/hikaru/dmk:/data \
  wacky6/hikaru:lite dmk \
  -r 1 \
  -pbR \
  -l '/data/[email protected]' \
  922045 697773
### 录屏并自动提取
# 录制并自动提取 424902 房间的跳舞片段
# 保存录像到 `/storage/hikaru/424902`
# 提取mp4片段到 `/cache/extracted`，保留分析结果和分段详情
# 用 -r 选项打开实时分析，在下播后数分钟内即可全部提取
docker run \
  --restart=always -itd \
  --name hikaru-dance-424902 \
  -v /storage/hikaru/424902:/root/hikaru \
  -v /cache/extracted:/root/hikaru/extracted \
  wacky6/hikaru:full daemon 424902 \
  -r \
  -x dance -X '-p -d -f mp4'
### 从已有录屏提取
# 提取 /storage/焦小玲珑/2018-09-04_180519.flv 录屏
# 提取跳舞片段为 mp4 到 /cache/extracted-922045
# 保留姿态分析结果，给出分段详情 PNG
# 使用本机优化编译的 /root/libtensorflow.native
docker run \
  --rm \
  -v /storage:/storage \
  -v /cache:/cache \
  -v /root/libtensorflow.native:/lib/libtensorflow.so
  wacky6/hikaru:full extract \
  -f mp4 \
  -pd \
  -O '/cache/extracted-922045' \
  '/storage/焦小玲珑/2018-09-04_180519.flv'

LICENSE

GPL-3.0