🛠
AI工具
本车主给给主给。
基于 Python · 开源免费，本地部署，数据完全自主可控
英文名：sublarr
7.5AI 综合评分
animearrdockerjellyfinllmpython
✦ AI Skill Hub 推荐
本车主给给主给。 是 AI Skill Hub 本期精选AI工具之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
本车主给给主给。 是一款基于 Python 的开源工具，在 GitHub 上收获 0k+ Star，是anime、arr、docker、jellyfin领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
本车主给给主给。 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 本车主给给主给。 的版本更新，及时通知重要功能变化。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
本车主给给主给。 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 本车主给给主给。 的版本更新，及时通知重要功能变化。
📋 工具概览
本车主给给主给。 是一款基于 Python 开发的开源工具，专注于 anime、arr、docker 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
GitHub Stars
⭐ 23
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
GPL-3.0
AI 综合评分
7.5 分
工具类型
AI工具
Forks
1
📖 中文文档
以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。
本车主给给主给。 是一款基于 Python 开发的开源工具，专注于 anime、arr、docker 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📌 核心特色
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
🎯 主要使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：pip 安装（推荐）
pip install sublarr
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install sublarr
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/Abrechen2/sublarr
cd sublarr
pip install -e .
# 验证安装
python -c "import sublarr; print('安装成功')"
📋 安装步骤说明
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 命令行使用
sublarr --help
# 基本用法
sublarr input_file -o output_file
# Python 代码中调用
import sublarr
# 示例
result = sublarr.process("input")
print(result)
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# sublarr 配置文件示例（config.yml） app: name: "sublarr" debug: false log_level: "INFO" # 运行时指定配置文件 sublarr --config config.yml # 或通过环境变量配置 export SUBLARR_API_KEY="your-key" export SUBLARR_OUTPUT_DIR="./output"
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。
简介
🖥️ UI Overview
| Page | Description |
|---|---|
| **Dashboard** | Customizable widget grid — status, queue, recent activity, automation status |
| **Library** | All series/movies with subtitle progress and bulk actions |
| **Wanted** | Missing subtitle queue with one-click search, failure details, retry countdown |
| **Queue** | Live job progress (downloading, translating, syncing) |
| **Activity** | Real-time event feed |
| **History** | Past operations with timestamps and results |
| **Statistics** | Charts — provider success rates, language distribution, quality trends |
| **Plugins** | Community plugin marketplace — install custom subtitle providers from an allowlisted Git URL |
| **Settings** | Grouped cards — Connections, Languages & Subtitles, Providers, Automation, System |
| **Settings → System → Scheduler** | APScheduler admin — list, run-now, pause/resume, edit-trigger, view history per background job |
The subtitle editor (accessible from Library/Series Detail) includes: - Preview — formatted subtitle preview with cue navigation - Editor — CodeMirror syntax-highlighted ASS/SRT editing - Diff — side-by-side comparison with the saved version - Waveform — Aegisub-class timing surface (drag to retime, snap to keyframes / scenes / neighbours, gap & overlap markers, amplitude + pitch-preserving rate, S/D hotkeys, optional spectrogram + scrub-on-drag)
---
✨ Features
First-time setup (installs Python + Node dependencies, optional pre-commit hooks)
npm run setup:sh # Linux/Mac npm run setup:ps1 # Windows PowerShell
🐳 Docker
Minimal `docker-compose.yml`
services:
sublarr:
image: ghcr.io/abrechen2/sublarr:latest
container_name: sublarr
ports:
- "5765:5765"
volumes:
- ./config:/config # database, backups, logs
- /path/to/media:/media # your media library (same path as Jellyfin/Emby sees)
environment:
- PUID=1000
- PGID=1000
- SUBLARR_MEDIA_PATH=/media
restart: unless-stopped🚀 Quick Start
```bash
🌐 LLM Translation *(optional · experimental · off by default)*
Sublarr can optionally translate subtitles with a local or cloud LLM (Ollama, DeepL, Google, LibreTranslate, or any OpenAI-compatible endpoint). It is disabled by default and not a headline feature — quality varies a lot by model and language pair, so treat it as a bonus, not a reason to use Sublarr. EN→DE anime is the best-tested path.
If you want to try it, see the translation docs.
1. Copy environment file
cp .env.example .env
2. Edit .env — set your media path at minimum
nano .env
then set PUID=1000 PGID=1000 in .env
```
---
⚙️ Configuration
All settings use the SUBLARR_ prefix. They can be set via environment variables, .env file, or the Settings UI at runtime (stored in the database).
Provider API Keys
| Variable | Provider |
|---|---|
SUBLARR_OPENSUBTITLES_API_KEY | [OpenSubtitles](https://www.opensubtitles.com/en/consumers) |
SUBLARR_JIMAKU_API_KEY | [Jimaku](https://jimaku.cc/) |
SUBLARR_SUBDL_API_KEY | [SubDL](https://subdl.com/) |
AnimeTosho, Subscene, Subf2m, Subsource, Kitsunekko, and most other providers work without an API key.
Live API discovery
Every Sublarr instance ships its own interactive API reference:
| Endpoint | Purpose |
|---|---|
GET /api/docs | Swagger UI — browse + try-it-out (anonymous-readable; click "Authorize" to inject your X-Api-Key for authenticated endpoints) |
GET /api/v1/openapi.json | Raw OpenAPI 3.0.3 spec — feed into Postman / Insomnia / Bruno or generate a TypeScript client via openapi-typescript / orval |
| Topic | Doc Page |
|---|---|
| Installation | [Getting Started → Installation](https://sublarr.de/docs/getting-started/installation/) |
| Configuration reference | [Getting Started → Environment Variables](https://sublarr.de/docs/getting-started/environment-variables/) |
| Upgrade guide | [Getting Started → Upgrade Guide](https://sublarr.de/docs/getting-started/upgrade-guide/) |
| FAQ | [Getting Started → FAQ](https://sublarr.de/docs/getting-started/faq/) |
| Sonarr/Radarr/Jellyfin setup | [User Guide → Integrations](https://sublarr.de/docs/user-guide/integrations/) |
| Language profiles | [User Guide → Language Profiles](https://sublarr.de/docs/user-guide/language-profiles/) |
| LLM translation (beta) | [User Guide → Translation & LLM](https://sublarr.de/docs/user-guide/translation-llm/) |
| Standalone mode | [Getting Started → Installation (Scenario 2)](https://sublarr.de/docs/getting-started/installation/) |
| Subtitle scoring algorithm | [User Guide → Settings → Providers (Scoring)](https://sublarr.de/docs/user-guide/settings/providers/#subtitle-scoring) |
| Provider system | [User Guide → Settings → Providers](https://sublarr.de/docs/user-guide/settings/providers/) |
| REST API reference | [Development → API Reference](https://sublarr.de/docs/development/api-reference/) |
| Architecture & data flow | [Development → Architecture](https://sublarr.de/docs/development/architecture/) |
| Plugin development | [Development → Plugin Development](https://sublarr.de/docs/development/plugin-development/) |
| Contributing & PR workflow | [Development → Contributing](https://sublarr.de/docs/development/contributing/) |
| Database schema | [Development → Database Schema](https://sublarr.de/docs/development/database-schema/) |
| Reverse proxy setup | [Troubleshooting → Reverse Proxy](https://sublarr.de/docs/troubleshooting/reverse-proxy/) |
| Performance tuning | [Troubleshooting → Performance Tuning](https://sublarr.de/docs/troubleshooting/performance-tuning/) |
| Troubleshooting | [Troubleshooting → General](https://sublarr.de/docs/troubleshooting/general/) |
| [ROADMAP.md](ROADMAP.md) | Feature roadmap and version planning |
| [CHANGELOG.md](CHANGELOG.md) | Release notes |
| [.env.example](.env.example) | Minimal deployment template |
---
📺 *arr & Media Server Integration
- Sonarr & Radarr webhooks — automatically processes new episodes and movies on import
- Multi-instance support — connect multiple Sonarr/Radarr/Jellyfin/Emby instances
- Jellyfin / Emby / Plex / Kodi — triggers library refresh after subtitle completion
- Tag-based profile assignment — Sonarr/Radarr tags automatically assign language profiles
- AniDB absolute episode order — correct episode numbering for anime with alternate orders (e.g. Haruhi)
- Anime multi-season fallback — OpenSubtitles season-1 collapse for anime indexed without season split
- Path mapping — supports remote *arr setups where file paths differ between hosts
🔌 Integrations
What's core vs. what's beta
| Feature | Status |
|---|---|
| Subtitle search & download (21 providers + embedded extraction) | Core — most-tested path |
| ASS-first scoring, deduplication, trust scoring | Core — most-tested path |
| Sonarr/Radarr webhook integration | Core — most-tested path |
| Standalone mode (no *arr required) | Core — filesystem watching + NFO metadata |
| Language profiles (mustContain, cutoff, audioExclude) | Core — functional |
| Subtitle editor, waveform sync, format conversion | Core — functional, rough edges possible |
| Post-download processing pipeline | Core — functional |
| **LLM translation via Ollama / DeepL / Google** | **⚠️ Beta — experimental, quality varies** |
🇨🇳 中文文档镜像
AI 翻译
2026-06-14
英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介
本项目是 Sublarr 的中文简介，介绍了该项目的基本功能和特点。
⚡ 功能介绍
本节介绍了 Sublarr 的主要功能和特点，包括可定制的控件网格、系列/电影库、缺失字幕队列等。
📋 环境依赖
本节介绍了 Sublarr 的环境依赖和系统要求，包括 Python、Node 等依赖项的安装和配置。
🛠 安装步骤（Docker/pip/源码）
本节介绍了 Sublarr 的安装步骤，包括使用 Docker、pip 和源码等部署方式。
🚀 使用教程
本节介绍了 Sublarr 的使用教程，包括快速启动、配置和 API 等方面的说明。
⚙️ 配置说明（含 MCP / env）
本节介绍了 Sublarr 的配置说明，包括 MCP、环境变量和关键参数的设置。
🔌 API 说明
本节介绍了 Sublarr 的 API 和接口说明，包括 Swagger UI、OpenAPI 等方面的内容。
🔄 工作流/模块
本节介绍了 Sublarr 的工作流和模块说明，包括与 Sonarr、Radarr、Jellyfin 等媒体服务器的集成和交互。
❓ FAQ 摘要
本节是 Sublarr 的中文 FAQ 摘要，回答了常见的问题和疑问。
🎯 aiskill88 AI 点评
A 级
2026-06-14
导八主给给主给。常用主给给主给的给。给。给。
📚 实用指南（长尾问题）
适合谁
- 需要从图片、PDF 提取文字的文档自动化场景
- 跨境业务、多语言内容运营团队
- 做语音类 AI 产品的开发者
最佳实践
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
常见错误
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
部署方案
- Docker：sublarr 提供官方镜像，docker compose up 一键启动
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
👥 适合谁
- 需要从图片、PDF 提取文字的文档自动化场景
- 跨境业务、多语言内容运营团队
- 做语音类 AI 产品的开发者
⭐ 最佳实践
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
⚠️ 常见错误
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
✅ 优点
- +GPL-3.0 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
⚠️ 不足
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
⚠️ 使用须知
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
📄 License 说明
⚠️ GPL 3.0 — 强 Copyleft，衍生作品须开源，含专利保护条款，不可闭源使用。
🔗 相关工具推荐
yt-dlp 视频下载
功能强大的开源视频下载工具，支持YouTube、TikTok等数千个视频平台，可自动下载视频、字幕、封面和元数据。适合内
transformers AI技能包
Hugging Face开源的深度学习框架，提供预训练语言模型、视觉模型和多模态模型。集成BERT、GPT、Llama等
ComfyUI 节点式AI图像生成
强大的开源扩散模型可视化工具，提供图形界面、API和后端服务。采用节点图式设计，支持模块化工作流构建，适合AI绘图、图像
llama-cpp AI技能包
高效的大语言模型C/C++推理框架，支持在本地CPU/GPU上运行量化LLM模型，具有内存占用小、推理速度快的特点。适合
📰 相关 AI 新闻
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
❓ 常见问题 FAQ
sublarr 是一款Python开发的AI辅助工具。开源AI工具：Self-hosted subtitle manager & LLM translator for anime and media — *arr-compati。⭐23 · Python 主要应用场景包括：导八主给给主给。常用主给给主给的给。。
💡 AI Skill Hub 点评
经综合评估，本车主给给主给。 在AI工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
🌐 原始信息
| 原始名称 | sublarr |
| 原始描述 | 开源AI工具：Self-hosted subtitle manager & LLM translator for anime and media — *arr-compati。⭐23 · Python |
| Topics | animearrdockerjellyfinllmpython |
| GitHub | https://github.com/Abrechen2/sublarr |
| License | GPL-3.0 |
| 语言 | Python |
🔗 原始来源
🐙 GitHub 仓库 https://github.com/Abrechen2/sublarr
🌐 官方网站 https://github.com/Abrechen2/sublarr
收录时间：2026-06-14 · 更新时间：2026-06-16 · License：GPL-3.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。