基于歌单的MellPlayer命令行播放器介绍
MellPlayer
前言
我写代码时非常喜欢听音乐,最近在歌单中听到了许多入耳惊艳的歌,觉得非常不错。但是歌单的随机播放以及快速切换是个软肋,于是开发了MellPlayer,可以按照分类随机听歌,实现了歌单间的快速切换,希望大家能够喜欢。
开发理念
MellPlayer的初版刚刚发布,还有许许多多需要改进的地方,非常希望能有志同道合的朋友Fork下来,一起打造越来越完美的播放器,下面就说下我的开发理念:
MellPlayer是一款命令行播放器,主要是为了实现根据心情随机听歌,并且能够快速进行歌单间的切换,简约流畅,我希望在此基础上谨慎添加小而美的功能。并不想引入过多繁琐的功能,添加一大堆的快捷键,将简洁的东西繁琐化是违背我的初衷的。
关于项目
项目地址:MellPlayer
项目基于python3开发,依赖mpv。还有很多地方需要优化改进,大家发现什么问题可以给我提Issue,当然非常欢迎有兴趣的朋友加入,一起打造我们喜欢的播放器。
既然看到这儿了,就来 Star 一下, 互相 Follow 一下吧哈哈!!!
支持
OSX & Linux (Linux未经过测试)
通过 pip3 安装
[sudo] pip3 install MellPlayer
Mac OSX 安装依赖
通过 Homebrew 安装 mpv
brew install mpv
通过 pip3 更新
[sudo] pip3 install MellPlayer --upgrade
使用
在命令行直接输入mellplayer即可享受:
mellplayer
快捷键
操作 [j] [Next Line] ---> 下 [k] [Prev Line] ---> 上 [q] [Quit] ---> 退出 音乐 [space] [Start/Pause] ---> 播放/暂停 [n] [Next Song] ---> 下一曲 [p] [Prev Song] ---> 上一曲 [f] [Forward Playlist] ---> 下个歌单 [b] [Backward Playlist] ---> 上个歌单 音量 [-] [Reduce Volume] ---> 减小音量 [=] [Increase Volume] ---> 增加音量 [m] [Mute] ---> 静音 歌词 [l] [Show/Hide Lyric] ---> 显示/关闭歌词 帮助 [h] [Show/Hide Help] ---> 显示/关闭帮助
以上是基于歌单的MellPlayer命令行播放器介绍的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

处理嘈杂的图像是一个常见的问题,尤其是手机或低分辨率摄像头照片。 本教程使用OpenCV探索Python中的图像过滤技术来解决此问题。 图像过滤:功能强大的工具 图像过滤器

Python是数据科学和处理的最爱,为高性能计算提供了丰富的生态系统。但是,Python中的并行编程提出了独特的挑战。本教程探讨了这些挑战,重点是全球解释

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

本教程演示了在Python 3中创建自定义管道数据结构,利用类和操作员超载以增强功能。 管道的灵活性在于它能够将一系列函数应用于数据集的能力,GE

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti
