AI 识别配置
AI 文件名识别功能通过人工智能技术帮助提高 TMDB 刮削的准确性,特别适用于文件名不规范或包含特殊字符的媒体文件。
功能概述
AI 识别功能会在执行刮削任务时,使用 AI 模型来分析和标准化文件名,从而提高 TMDB 匹配的准确率:
- 🤖 智能文件名识别:自动解析和标准化复杂的文件名
- 🎯 提高匹配准确率:显著改善 TMDB 刮削的成功率
- 🔧 自定义识别规则:通过提示词自定义识别逻辑
- ⚡ 性能控制:支持请求频率限制,避免 API 超限
配置界面
访问方式
- 登录系统
- 点击顶部导航栏的 "系统设置"
- 找到 "AI 文件名识别设置" 部分
配置选项详解
1. 启用 AI 文件名识别
功能说明:总开关,控制是否启用 AI 识别功能
效果:
- ✅ 启用:在刮削时使用 AI 分析文件名
- ❌ 禁用:使用传统的文件名解析方式
提示:启用后会显示额外的配置选项
2. API 基础 URL
功能说明:AI 服务的 API 接口地址
默认值:https://api.openai.com/v1
配置示例:
- OpenAI 官方:
https://api.openai.com/v1 - Azure OpenAI:
https://your-resource.openai.azure.com/openai/deployments/your-deployment - 兼容服务:其他兼容 OpenAI API 格式的服务地址
3. API Key
功能说明:访问 AI 服务的认证密钥
格式要求:
- OpenAI:以
sk-开头 - Azure:特定的 API 密钥格式
安全建议:
- 🔒 妥善保管 API Key,避免泄露
- 🔄 定期更换 API Key
- 💰 为 API Key 设置合适的消费限制
4. 模型名称
功能说明:指定使用的 AI 模型
推荐模型:
gpt-3.5-turbo:性价比高,响应快速gpt-4:识别准确率更高,成本较高gpt-4-turbo:平衡性能和成本
选择建议:
- 日常使用:推荐
gpt-3.5-turbo - 高精度需求:选择
gpt-4系列 - 兼容服务:使用服务支持的模型名称
5. QPM 限制
功能说明:每分钟最大请求数限制
作用:
- 🛡️ 防止 API 超限:避免触发 API 频率限制
- 💰 成本控制:控制 API 调用费用
- ⚖️ 负载均衡:合理分配请求时间
推荐设置:
- OpenAI 免费账户:20-40
- OpenAI 付费账户:60-200
- 其他服务:根据服务限制设置
6. 提示词
功能说明:定义 AI 如何识别和标准化文件名的指令
默认提示词:系统提供经过优化的默认提示词
自定义提示词:
- 可以根据特殊需求自定义识别规则
- 支持多语言识别指令
- 可以指定特定的命名规范
提示词编写建议:
请分析以下媒体文件名,提取出标准化的电影或电视剧信息:
- 识别标题、年份、季、集等关键信息
- 标准化命名格式
- 去除不必要的标记和广告信息
返回 JSON 格式的结构化数据操作功能
测试配置
功能:验证 AI 配置是否正确
操作步骤:
- 完成所有必要配置
- 点击 "测试配置" 按钮
- 等待测试结果
测试结果:
- ✅ 成功:显示 "AI 配置测试成功"
- ❌ 失败:显示具体的错误信息
常见失败原因:
- API Key 错误或无效
- 网络连接问题
- API 服务不可用
- 请求频率超限
重置提示词
功能:将自定义提示词恢复为系统默认值
操作:
- 点击 "重置为默认" 按钮
- 确认重置操作
- 系统自动恢复默认提示词
使用场景
1. 文件名不规范
问题:文件名包含大量特殊字符、广告信息或非标准格式 解决方案:AI 识别可以自动清理和标准化文件名
示例:
原文件名:[电影天堂www.dy2018.com]复仇者联盟4:终局之战.2019.1080p.BluRay.x264-CMCT.mkv
AI 识别后:复仇者联盟4:终局之战 (2019)2. 多语言混合
问题:文件名包含中文、英文、数字混合,难以准确识别 解决方案:AI 可以理解多语言内容并提取关键信息
示例:
原文件名:Avengers.Endgame.2019.1080p.BluRay.x264-SPARKS.复仇者联盟4.mkv
AI 识别后:Avengers: Endgame (2019) / 复仇者联盟4:终局之战3. 特殊标记处理
问题:文件名包含制作组标记、质量标签等干扰信息 解决方案:AI 可以过滤无关信息,保留核心媒体信息
示例:
原文件名:[YYDS.Rips]蜘蛛侠:英雄无归.2021.4K.HDR.BluRay.2160p.DTS-HD.MA.7.1.x265.10bit-BDMV.mkv
AI 识别后:蜘蛛侠:英雄无归 (2021)性能优化
1. QPM 设置优化
原则:在保证识别效果的前提下,合理控制请求频率
建议设置:
- 小规模使用:20-40 QPM
- 中等规模:60-100 QPM
- 大规模部署:100-200 QPM
2. 模型选择优化
成本考虑:
gpt-3.5-turbo:成本约为gpt-4的 1/10- 适合批量文件处理场景
准确率考虑:
gpt-4:复杂文件名识别准确率更高- 适合高价值媒体文件处理
3. 提示词优化
简洁高效:
- 避免过于复杂的提示词
- 明确指定输出格式
- 减少不必要的上下文
故障排除
常见问题及解决方案
问题 1:AI 配置测试失败可能原因:
- API Key 错误或已过期
- 网络连接问题
- API 服务不可用
解决方法:
- 验证 API Key 是否正确
- 检查网络连接
- 确认 API 服务状态
问题 2:识别效果不佳可能原因:
- 提示词不够明确
- 模型选择不当
- 文件名过于复杂
解决方法:
- 优化提示词内容
- 尝试更强大的模型
- 手动调整极端情况
问题 3:API 费用过高可能原因:
- QPM 设置过高
- 使用了高成本模型
- 处理了大量文件
解决方法:
- 降低 QPM 限制
- 选择性价比更高的模型
- 仅对必要文件启用 AI 识别
最佳实践
1. 渐进式启用
- 先在小范围内测试效果
- 逐步扩大使用范围
- 持续监控识别效果和成本
2. 成本控制
- 设置合理的 QPM 限制
- 选择合适的模型
- 定期检查 API 使用情况
3. 质量监控
- 定期检查识别结果
- 收集识别失败的案例
- 持续优化提示词
4. 备份方案
- 保留传统文件名解析方式
- 在 AI 服务不可用时自动降级
- 确保系统稳定性
通过合理配置 AI 识别功能,可以显著提升媒体文件刮削的准确率和效率。如有其他问题,请查看 常见问题 或联系技术支持。