iptv-m3u-manager 新增视觉模型检测频道存活

背景

IPTV 订阅源的管理一直是用户痛点：收集十几个 M3U 订阅后，频道数量动辄上千，但个人常看的往往只有一两个。传统方法需要手动切换不同源、测试频道是否可用，尤其在智能电视等低性能设备上，加载大量无用频道会导致卡顿。作者此前开发了 iptv-m3u-manager 工具用于管理和聚合 M3U 订阅，基本功能已满足日常需求。直到家人观看世界杯时，发现频道分组混乱、节目表不完善（尤其是 TVG-ID 不按规则命名），现有机制难以处理。与此同时，具备视觉能力的大模型开始普及，价格低廉，作者尝试将其引入频道管理流程。

核心内容

iptv-m3u-manager 是一个开源工具，用于聚合和管理 IPTV 的 M3U 订阅源。其核心更新是引入带视觉能力的大模型，完成两大任务：

1. 频道分组与排序：对杂乱无章的频道按照用户偏好进行自动分组和排序，替代之前复杂的逻辑代码。
2. 频道存活检测：传统检测只能判断流是否可拉取，但部分频道即使能播放，也只会循环播放引流广告或显示中断轮播的二维码。视觉模型通过分析画面内容（如是否存在二维码、广告帧等）判断频道是否“真正存活”。

用户可配置自己选择的视觉大模型（如 GPT-4V、Claude 3 Vision 等）。如果默认提示词效果不满意，支持添加前置提示词进行微调。工具提供 Web 界面（PC 端和移动端），并支持 Docker 一键部署，命令如下：

docker run -d \
  --name iptv-manager \
  --restart unless-stopped \
  -p 8000:8000 \
  -v $(pwd)/data:/data \
  -e TZ=Asia/Shanghai \
  ghcr.io/xianyudaxian/iptv-m3u-manager:latest

项目完全开源，已链接 LINUX DO 社区，无未开源部分。

关键要点

• 视觉大模型替代传统逻辑：利用大模型的图像理解能力，自动对频道进行分组排序，无需手动编写分组规则。
• 存活检测升级：从“流可达”升级为“内容有效”，过滤掉纯广告或中断画面的频道。
• 可自定义提示词：若默认效果不理想，用户可添加前置提示词调整模型行为，增强灵活性。
• 开箱即用：Docker 容器化部署，仅需一条命令即可启动，数据持久化挂载到本地。
• 跨终端支持：提供 PC 端和移动端 Web 界面，便于在不同设备上管理订阅。
• 开源合规：项目完全开源，遵守 LINUX DO 社区推广规则，无隐藏付费部分。

意义与影响

该工具展示了视觉大模型在多媒体内容管理中的实用落地方式。传统 IPTV 管理依赖硬编码规则或人力筛选，面对海量频道时效率低下。通过引入大模型，自动化程度显著提升，同时解决了纯网络检测无法识别的“假存活”问题。对于普通用户，降低了维护 IPTV 订阅的技术门槛；对于开发者，提供了一个结合多模态 AI 与日常工具的优秀案例。此外，Docker 化部署和开源性质使得该方案易于复制和二次开发，有望推动更多类似 AI+ 家电场景的探索。