Releases: sjtuross/StrmAssistant
Releases · sjtuross/StrmAssistant
StrmAssistant v2.0.0.28
优化
- 提升代理超时检测的可靠性并放宽至2000毫秒
- 原语言海报对背景图和集图片优先使用无语言的图片
- 刷新中文演员每刷100个保存一次,优化内存占用
- 刷新中文演员顺带更新演员的出生日期,出生地和去世日期
- "清除片头标记"同步删除声纹fp文件,确保可重新提取片头
- 提取媒体信息、视频截图、章节图或BIF,分别有对应的排除隐藏设置,默认都排除ts/m2ts
- 优化对ts/m2ts提取BIF的处理机制,可避免卡死
修复
- 替代TMDB图像地址在某些场景下不生效的问题
- 繁转简在Linux平台不准确的问题,比如"乾"误转为"干"
- 原生片头探测媒体库范围留空无效的问题
- 删除版本时避免可能删除其他版本的元数据
- 提取BIF启动时可能出现线程安全问题造成某些任务失败的问题
- 其它已知问题修复和优化
社区版支持4.8.5.0
至4.9.0.48
,不定期修复问题和小优化。
最新测试版的持续支持,ARM64/macOS的支持,以及功能性的更新请支持PRO,加入tg群了解详情。
StrmAssistant v2.0.0.27
优化
- 深度删除通知涵盖本地媒体,用于级联删除比如mp的历史记录等
- 剧集刷新要求电视节目需有tmdb/imdb/tvdb id,避免无效刷新
- 原语言海报不再对背景图做基于语言的排序,而是按照评分、分辨率、投票数排序
- 屏蔽插件更新支持基于dll的文件名
- 删除季的多版本时,优化文件名相似度算法
- 提取声纹片头计划任务的进度条更准确
- 刷新演员不更新锁定的名字或简介
修复
- 启动后不久,备选语言刮削对电影失灵的问题
- 局域网私有网段未排除代理的问题
- 提取预览缩略图不支持仅最爱的问题
- 其他已知问题修复和性能优化
社区版支持4.8.5.0
至4.9.0.48
,不定期修复bug和小优化。
最新测试版的持续支持以及功能性的更新请支持PRO,加入tg群了解详情。
StrmAssistant v2.0.0.26
优化
- 提取片头声纹计划任务不再依赖原生计划任务计算片头
- 备选语言刮削不导入标语(tagline)
修复
- 多选删除时,深度删除通知只发送第一个被删除的问题
StrmAssistant v2.0.0.25
优化
- 不开刮削器仅nfo读写,剧集元数据刷新会自动使用tmdb
- 再次优化备选语言集标题回退逻辑
修复
- 深度删除可能造成无法删除多版本剧集的问题
- 支持
4.8.5.0
至4.9.0.44
全范围
StrmAssistant v2.0.0.24
修复
- 纯提取媒体信息时造成演员消失的问题
- 追更模式恢复处理新入库的音乐
StrmAssistant v2.0.0.23
优化
- 提取媒体信息时不产生任何元数据刮削请求
- 剧集元数据刷新范围增加
替换视频截图
,回溯天数可在界面中配置 - 启用替代
TMDB
配置后,全局启用http gzip,刮削api流量可减半,仅4.9.0.37
及之后有效 - 深度删除通知仅发送给操作删除的用户
- 电影合并偏好增加
同目录合并
选项 - 暂时禁用音乐持久化json
修复
- 备选语言刮削时默认集标题判断不够精确的问题
- 支持
4.8.5.0
至4.9.0.43
全范围
StrmAssistant v2.0.0.22
功能
- 媒体深度删除通知
- 解锁支持提取Strm音乐的内嵌封面
优化
- 剧集元数据刷新的范围可在界面中配置
- 调整媒体信息持久化设置界面
- 提取媒体信息时不导入视频内嵌的元数据
- 不代理IPv4私有网段地址
修复
- 长时间运行后剧集元数据刷新失效的问题
- 其他已知问题修复和性能优化
StrmAssistant v2.0.0.21
优化
清除片头标记
移至节目和季的快捷菜单中- 剧集刷新可选包含简介非中文的剧集
修复
- 某些计划任务可能运行失败的问题
StrmAssistant v2.0.0.20
功能
- 媒体信息恢复模式
- 阻止指定插件自动更新
优化
- 有限支持剧集组季海报刮削
- 剧集刷新查询逻辑更精准,默认范围为首播日期365天内无图无简介
- 支持清除指定节目或季的片头片尾标记
- 刷新演员可选支持不更新成人演员
修复
- 其他已知问题修复和优化
StrmAssistant v2.0.0.19
功能
- 添加锁定和解锁元数据的快捷菜单项,支持批量操作
优化
- 剧集元数据刷新包括无简介或无图的集
- 中文搜索增强添加
视频
搜索类别,用于家庭视频与照片媒体库 - 永久确保季集信息在分组通知的第一行
- 扫库恢复json不依赖独占模式不依赖魔改
修复
- 媒体库范围判断不够精准的问题