7 x 24 小时无人监守录制、渲染弹幕、识别字幕、自动切片、自动上传、兼容超低配机器，启动项目，人人都是录播员。
📄 Documentation | ⚙️ Installation | 🤔 Reporting Issues
支持模型
如果您觉得项目不错，欢迎 ⭐ 也欢迎 PR 合作，如果有任何疑问，欢迎提 issue 交流。
自动监听并录制B站直播和弹幕（含付费留言、礼物等），根据分辨率转换弹幕、语音识别字幕并渲染进视频，根据弹幕密度切分精彩片段并通过视频理解大模型生成有趣的标题，自动投稿视频和切片至B站，兼容无GPU版本，兼容超低配置服务器与主机。
- 速度快：采用
pipeline流水线处理视频，理想情况下录播与直播相差半小时以内，没下播就能上线录播，目前已知 b 站录播最快版本！ - 多房间：同时录制多个直播间内容视频以及弹幕文件（包含普通弹幕，付费弹幕以及礼物上舰等信息）。
- 占用小：自动删除本地已上传的视频，极致节省空间。
- 模版化：无需复杂配置，开箱即用，通过 b 站搜索建议接口自动抓取相关热门标签。
- 检测片段并合并：对于网络问题或者直播连线导致的视频流分段，能够自动检测合并成为完整视频。
- 自动渲染弹幕：自动转换xml为ass弹幕文件，该转换工具库已经开源 DanmakuConvert 并且渲染到视频中形成有弹幕版视频并自动上传。
- 硬件要求极低：无需GPU，只需最基础的单核CPU搭配最低的运存即可完成录制，弹幕渲染，上传等等全部过程，无最低配置要求，10年前的电脑或服务器依然可以使用！
- ( 🎉 NEW)自动渲染字幕(如需使用本功能，则需保证有 Nvidia 显卡)：采用 OpenAI 的开源模型
whisper，自动识别视频内语音并转换为字幕渲染至视频中。 - ( 🎉 NEW)自动切片上传：根据弹幕密度计算寻找高能片段并切片，该自动切片工具库已开源 auto-slice-video
，结合多模态视频理解大模型
GLM-4V-PLUS自动生成有意思的切片标题及内容，并且自动上传。 - ( 🎉 NEW)持久化登录/下载/上传视频(支持多p投稿)：bilitool已经开源，实现持久化登录，下载视频及弹幕(含多p)/上传视频(可分p投稿)，查询投稿状态，查询详细信息等功能，一键pip安装，可以使用命令行 cli 操作，也可以作为api调用。
- ( 🎉 NEW)自动多平台循环直播推流：该工具已经开源 looplive 是一个 7 x 24 小时全自动循环多平台同时推流直播工具。
项目架构流程如下：
graph TD
User((用户))--record-->startRecord(启动录制)
startRecord(启动录制)--保存视频和字幕文件-->videoFolder[(Video 文件夹)]
User((用户))--scan-->startScan(启动扫描 Video 文件夹)
videoFolder[(Video 文件夹)]<--间隔两分钟扫描一次-->startScan(启动扫描 Video 文件夹)
startScan <--视频文件--> whisper[whisperASR模型]
whisper[whisperASR模型] --生成字幕-->parameter[查询视频分辨率]
subgraph 启动新进程
parameter[查询分辨率] -->ifDanmaku{判断}
ifDanmaku -->|有弹幕| DanmakuConvert[DanmakuConvert]
ifDanmaku -->|无弹幕| ffmpeg1[ffmpeg]
DanmakuConvert[DanmakuConvert] --根据分辨率转换弹幕--> ffmpeg1[ffmpeg]
ffmpeg1[ffmpeg] --渲染弹幕及字幕 --> Video[视频文件]
Video[视频文件] --计算弹幕密度并切片--> GLM[多模态视频理解模型]
GLM[多模态视频理解模型] --生成切片信息--> slice[视频切片]
end
slice[视频切片] --> uploadQueue[(上传队列)]
Video[视频文件] --> uploadQueue[(上传队列)]
User((用户))--upload-->startUpload(启动视频上传进程)
startUpload(启动视频上传进程) <--扫描队列并上传视频--> uploadQueue[(上传队列)]
-
OS: Ubuntu 22.04.4 LTS
尽量使用 22.04+ 的版本，更早版本的 ubuntu 自带 gcc 版本无法更新至 biliup-rs 所需版本，若使用较早版本，请参考 version `GLIBC_2.34‘ not found简单有效解决方法。
-
CPU：2核 Intel(R) Xeon(R) Platinum 85
-
GPU：无
-
内存：2G
-
硬盘：40G
-
带宽: 3Mbps
-
Python 版本: 3.10
个人经验：若想尽可能快地更新视频，主要取决于上传速度而非弹幕渲染速度，因此建议网络带宽越大越好。
更详细的教程请参考文档 bilive
Note
如果你是 windows 用户，请使用 WSL 运行本项目。
首先介绍本项目三种不同的处理模式：
pipeline模式(默认): 目前最快的模式，需要 GPU 支持，最好在blrec设置片段为半小时以内，asr 识别和渲染并行执行，分 p 上传视频片段。append模式: 基本同上，但 asr 识别与渲染过程串行执行，比 pipeline 慢预计 25% 左右，对 GPU 显存要求较低，兼顾硬件性能与处理上传效率。merge模式: 等待所有录制完成，再进行识别渲染合并过程，上传均为完整版录播（非分 P 投稿），等待时间较长，效率较慢，适合需要上传完整录播的场景。
Important
凡是用到 GPU 均需保证 GPU 显存大于运行程序所需 VRAM，具体计算 VRAM 方法可以参考该部分。
是否有 GPU 以
nvidia-smi显示 nvidia GPU 驱动以及nvcc -V显示CUDA版本号为准。如果未配置显卡驱动或未安装CUDA，即使有 GPU 也无法使用，而会使用 CPU 推理（不推荐，可根据自身硬件条件判断是否尝试 CPU 推理）。
Tip
如果你是 windows 用户，请使用 WSL 运行本项目。
由于项目引入了我写的两个 submodule DanmakuConvert 和 auto-slice-video，因此推荐 clone 项目时就更新 submodules。
git clone --recurse-submodules https://github.com/timerring/bilive.git如果你没有采用上述方式 clone 项目，请更新 submodules：
git submodule update --init --recursivecd bilive
pip install -r requirements.txt
此外请根据各自的系统类型安装对应的 ffmpeg，例如 ubuntu 安装 ffmpeg。
./setPath.sh && source ~/.bashrc
项目默认采用 small 模型，请点击下载所需文件，并放置在 src/subtitle/models 文件夹中。
此功能默认关闭，如果需要打开请将
src/config.py文件中的AUTO_SLICE参数设置为True
在配置文件 src/config.py 中，SLICE_DURATION 以秒为单位设置切片时长（不建议超过 1 分钟），在项目的自动切片功能需要使用到智谱的 GLM-4V-PLUS 模型，请自行注册账号并申请 API Key，填写到 src/config.py 文件中对应的 Your_API_KEY 中。
由于一般日志打印不出二维码效果（docker 的日志不确定是否能打印，等发布新image时再修改，docker 版本请先参考文档bilive，本 README 只针对源码部署），所以这步需要提前在机器上安装 bilitool:
pip install bilitool
# 然后使用 app 端扫码登录
# 会导出 cookie.json 文件
bilitool login --export
将登录的 cookie.json 文件留在本项目根目录下，./upload.sh 启动后即可删除该文件。（持久化登录，该步只需执行一次）
./record.sh请先确保你已经完成步骤 3，正确下载并放置了模型文件。
输入以下指令即可检测已录制的视频并且自动合并分段，自动进行弹幕转换，字幕识别与渲染的过程：
./scan.sh./upload.sh相应的执行日志请在 logs 文件夹中查看，如果有问题欢迎在 issue 中提出。
logs # 日志文件夹
├── blrec # blrec 录制日志
│ └── ...
├── scan # scan 处理日志
│ └── ...
├── upload # upload 上传日志
│ └── ...
└── runtime # 每次执行的日志
└── ...
无 GPU 版本过程基本同上，可以跳过步骤 3 配置 whisper 的部分，需要注意在执行步骤 5 之前完成以下设置将确保完全用 CPU 渲染视频弹幕。
- 请将
src/config.py文件中的GPU_EXIST参数设置为False。（若置为True但又没有 GPU 或者 Nvidia 驱动找不到，则会使用 CPU 推理，非常消耗 CPU 计算资源，不推荐，可自行根据硬件条件进行尝试。） - 将
MODEL_TYPE调整为merge或者append。
Tip
上传默认参数如下，[]中内容全部自动替换。可以在 src/config.py 中自定义相关配置，映射关键词为 {artist}、{date}、{title}、{source_link}，可自行组合删减定制模板：
- 标题模板是
{artist}直播回放-{date}-{title}，效果为"【弹幕+字幕】[XXX]直播回放-[日期]-[直播间标题]"，可自行修改。 - 简介模板是
{artist}直播，直播间地址：{source_link} 内容仅供娱乐，直播中主播的言论、观点和行为均由主播本人负责，不代表录播员的观点或立场。，效果为"【弹幕+字幕】[XXX]直播，直播间地址：[https://live.bilibili.com/XXX] 内容仅供娱乐，直播中主播的言论、观点和行为均由主播本人负责，不代表录播员的观点或立场。"，可自行修改。 - 默认标签是根据主播名字自动在 b 站搜索推荐中抓取的[热搜词]，详见bilibili-API-collect。
也可以直接拉取 docker 镜像运行，默认 latest。守护进程是 upload，而 record 以及 scan 需要在配置后手动启动，相关配置以及启动流程从 3.2 开始即可。
Important
如果不需要使用可视化页面可以忽略以下提醒：
- 不推荐在有公网 ip 的服务器上直接暴露 22333 端口访问管理页面，如果使用请自行限制端口入站 ip 规则或者采用 nginx 等反向代理配置密钥限制他人访问。
- 管理页面主要针对 record 模块，只有手动运行 record 后(步骤5)才能访问到管理页面。
sudo docker run \
-itd \
--name bilive_docker \
-p 22333:2233 \
ghcr.io/timerring/bilive:0.2.10sudo docker run \
-itd \
--gpus 'all,"capabilities=compute,utility,video"' \
--name bilive_docker_gpu \
-p 22333:2233 \
ghcr.io/timerring/bilive-gpu:0.2.10compose.yml 调整方法见 Installation。
默认 CPU latest version，如需使用 GPU 版本，请自行在 compose.yml 中调整。
docker compose up -d请先在 compose.yml 中调整相关配置，然后执行以下命令：
docker build
docker compose up -d