Have you noticed that Live-In is a wordplay :)

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。

敬告:本项目仅供学习交流使用,请在征得对方许可的情况下录制,请勿未经授权私自将内容用于商业用途,请勿用于大规模录制,违者会被官方封禁,法律后果自负。

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,根据图像生成模型自动生成视频封面,自动投稿视频和切片至B站,兼容无GPU版本,兼容 x64 及 arm64 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,已知 b 站录播最快的稳定版本!
• ( 🎉 NEW)多架构:适配 amd64 及 arm64 架构!
• 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: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自动生成有意思的切片标题及内容,并且自动上传,目前已经支持的模型有:
  • GLM-4V-PLUS
  • Gemini-2.5-flash
  • Qwen-2.5-72B-Instruct
  • SenseNova V6 Pro
• ( 🎉 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。
• ( 🎉 NEW)自动生成风格变换的视频封面:采用图生图多模态模型,自动获取视频截图并上传风格变换后的视频封面。
  • Minimax image-01
  • Kwai Kolors
  • Tencent Hunyuan
  • Baidu ERNIE irag-1.0
  • Stable Diffusion 3.5 large turbo
  • Luma Photon
  • Ideogram V_2
  • Recraft
  • Amazon Titan Image Generator V2
  • Hidream I1
  • kling-v1-5

项目架构流程如下:

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渲染速度,因此建议网络带宽越大越好。由于 aarch64 版本 PyPI 没有 release 的 triton 库,因此 aarch64 版本暂时不支持本地部署 whisper,pip 时请自行注释 requirement 中的 triton 环境,配置均测试可用。

更详细的教程请参考文档 bilive

首先介绍本项目三种不同的处理模式:(以下特指 asr_method="deploy" 的情况,如填"none"或者"api"则不涉及 GPU, 可以忽略对 GPU 的描述)

1. 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。
2. 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。
3. 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。

由于项目引入了我写的 submodule DanmakuConvert,bilitool 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 --recursive

cd 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。

常见问题收集

将 bilive.toml 文件中的 asr_method 参数设置为 api,然后填写 WHISPER_API_KEY 参数为你的 API Key。

本项目采用 groq 提供 free tier 的 whisper-large-v3-turbo 模型,上传限制为 40 MB(约半小时),因此如需采用 api 识别的方式,请将视频录制分段调整为 30 分钟(默认即 30 分钟)。此外,free tier 请求限制为 7200秒/20次/小时,28800秒/2000次/天。如果有更多需求,也欢迎升级到 dev tier,更多信息见groq 官网。

将 bilive.toml 文件中的 asr_method 参数设置为 deploy,然后下载所需模型文件,并放置在 src/subtitle/models 文件夹中。

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。

MLLM 模型主要用于自动切片后的切片标题生成,此功能默认关闭,如果需要打开请将 auto_slice 参数设置为 true,并且写下你自己的 slice_prompt(可以包含 {artist} 关键词会自动替换),其他配置分别有:

• slice_duration 以秒为单位设置切片时长(不建议超过 180 秒)。
• slice_num 设置切片数量。
• slice_overlap 设置切片重叠时长。切片采用滑动窗口法处理,细节内容请见 auto-slice-video
• slice_step 设置切片步长。
• min_video_size 设置最小被切片视频大小,防止对一些连线或者网络波动原因造成的短片段再切片。

接下来配置模型有关的 mllm_model 参数即对应的 api-key,请自行根据链接注册账号并且申请对应 api key,填写在对应的参数中,请注意以下模型只有你在 mllm_model 参数中设置的那个模型会生效。

采用图生图多模态模型,自动获取视频截图并上传风格变换后的视频封面,如需使用本功能,请将 generate_cover 参数设置为 true,并且写下你自己的 prompt,注意部分模型只支持英文,接下来需要配置的参数有 image_gen_model 和对应的 api key,请自行根据链接注册账号并且申请对应 api key,填写在对应的参数中,请注意以下模型只有你在 image_gen_model 参数中设置的那个模型会生效。

推荐使用大模型API(dmxapi.cn),一个 Key 用全球大模型,查看详细介绍。

在 bilive.toml 中自定义相关配置,映射关键词为 {artist}、{date}、{title}、{source_link},请自行组合删减定制模板:

• title 标题模板。
• description 简介模板。
• tid 视频分区,请参考 bilitool tid 文档。
• gift_price_filter = 1 表示过滤价格低于 1 元的礼物。
• reserve_for_fixing = false 表示如果视频出现错误,重试失败后不保留视频用于修复,推荐硬盘空间有限的用户设置 false。
• upload_line = "auto" 表示自动探测上传线路并上传,如果需要指定固定的线路,可以设置为 bldsa、ws、tx、qn、bda2。

录制模块采用第三方 package blrec,参数配置在 settings.toml 文件,也可以直接在录制启动后在对应的端口可视化页面配置。Quick start 只介绍关键配置,其他配置可自行在页面中对照配置项理解,支持热修改。

• 房间的添加按照文件中 [[tasks]] 对应的格式即可。
• 录制模块不登录状态下默认的录制质量为超清。如果需要登录,请将 cookie.json 文件(获取方式见步骤 5)中的 SESSDATA 参数值填写到 [header] 的 cookie 部分,形式cookie = "SESSDATA=XXXXXXXXXXX",登录后即可录制更高质量画质。(推荐不登录)
• duration_limit 表示录制时长,如果采用 whisper api 识别语音,请将分段控制在 1800 秒以内,其他情况没有限制。

对于 docker 部署,可以忽略这一步,因为 docker logs 在控制台中可以打印出二维码,直接扫码即可登录,以下内容针对源码部署。

一般日志文件打印不出二维码效果,所以这步需要提前在机器上安装 bilitool:

pip install bilitool
bilitool login --export
# 然后使用 app 端扫码登录,会自动导出 cookie.json 文件

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。

或者在 submodule 中登录也可以,方式如下:

cd src/upload/bilitool
python -m bilitool.cli login
# 然后使用 app 端扫码即可登录

常见问题收集

启动前请先设置录制前端页面的密码,并保存在 RECORD_KEY 环境变量中, your_password 由字母数字组成,最少 8 位,最多 80 位。

• 临时设置密码 export RECORD_KEY=your_password。(推荐)
• 持久化设置密码 echo "export RECORD_KEY=your_password" >> ~/.bashrc && source ~/.bashrc,其中 ~/.bashrc 根据你所用的 shell 自行修改即可。

./record.sh

常见问题收集

如果你使用 deploy 的方式本地部署 whisper,请先确保你已经正确下载并放置了对应的模型文件,并确保 CUDA 可用。

./upload.sh

常见问题收集

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,有异常请优先提供 [debug] 级别的日志。

logs # 日志文件夹
├── record # blrec 录制日志
│ └── ...
├── scan # scan 处理日志 [debug]级别
│ └── ...
├── upload # upload 上传日志 [debug]级别
│ └── ...
└── runtime # 每次执行的日志 [info]级别
 └── ...

Docker 版本的配置参考同上,登录方式更加简洁,启动后直接 docker logs bilive_docker 在日志中会打印登录二维码,扫码登录即可。

已构建 amd64 及 arm64 版本,会自动根据架构选择。

your_record_password 为录制页面的密码,请自行设置,最短 8 最长 80。

docker run -itd \
 -v your/path/to/bilive.toml:/app/bilive.toml \
 -v your/path/to/settings.toml:/app/settings.toml \
 -v your/path/to/Videos:/app/Videos \
 -v your/path/to/logs:/app/logs \
 --name bilive_docker \
 -e RECORD_KEY=your_record_password \
 -p 22333:2233 \
 ghcr.io/timerring/bilive:0.3.1

有 GPU 版本仅支持 amd64 架构,已内置 small 参数量的模型,如需使用其他参数量模型,请自行按照 2.1.2 步骤调整。your_record_password 规则同上。

sudo docker run -itd \
 -v your/path/to/bilive.toml:/app/bilive.toml \
 -v your/path/to/settings.toml:/app/settings.toml \
 -v your/path/to/Videos:/app/Videos \
 -v your/path/to/logs:/app/logs \
 --gpus 'all,"capabilities=compute,utility,video"' \
 --name bilive_docker_gpu \
 -e RECORD_KEY=your_record_password \
 -p 22333:2233 \
 ghcr.io/timerring/bilive-gpu:0.3.1

compose.yml 调整方法见 Installation。

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

• 大模型API(DMXAPI.cn),DMX 取自"大模型"的拼音首字母,行业领先的智能API聚合服务平台,旨在帮助 LLM 应用开发的初学者轻松接入多种大模型,快速进入 AI 应用的广阔领域。
  1. 人民币计价全球人工智能大模型API,聚合中国和全球300+多模态大模型,直连畅通使用国内外领先大模型 API 服务,1个Key使用全模型,涵盖各个领域模型,应有尽有。
  2. RPM / TPM 无上限,注册就是顶级账号,不设 RPM / TPM 限制,企业客户集群服务器,支持无限并发。
  3. 合规发票 充值即开,企业客户支持公对公付款,开具正规发票。
  4. 海外模型低至 7 折,模型原厂集采直供,通过直接与大模型原厂合作,我们采用集中采购的方式获取资源,确保为您提供极具竞争力的价格,以更低的成本获取顶级的大模型服务。
  5. 坚守诚信与专业,确保向客户提供真实、可靠的模型服务,维护客户的信任与满意度,服务与承诺。
• acgnhiki/blrec
• OpenAI/whisper
• biliup/biliup-rs
• hihkm/DanmakuFactory