如何用 Tdarr 在 5 分钟内搭好分布式转码顺手省下一半硬盘空间【免费下载链接】TdarrTdarr - Distributed transcode automation using FFmpeg/HandBrake Audio/Video library analytics video health checking (Windows, macOS, Linux Docker)项目地址: https://gitcode.com/gh_mirrors/tda/Tdarr硬盘里堆了几百个视频H.264、AV1、MKV 混在一起想统一转码又懒得一个个手动跑。Tdarr 就是干这个的分布式转码自动化配合 FFmpeg 和 HandBrake 批量处理文件还附带视频库分析与健康检查Windows、macOS、Linux 和 Docker 都能跑。Tdarr 是什么适合谁它是一台 Tdarr Server 加若干 Tdarr Node 的组合Server 负责调度和统计Node 负责实际干活可以部署在多台闲置设备上并行转码。如果你的场景是给 Plex、Emby 这类媒体库做格式统一或者手头有大量存量视频要标准化它就是为这类需求做的。环境准备3 样东西就够了一台跑 Server 的设备本机即可装好 Docker 最省事需要干活的设备上准备一台 Node系统三件套任选预留几个 G 测试视频当样例从克隆到节点连上一条时间线先克隆仓库git clone https://gitcode.com/gh_mirrors/tda/Tdarr然后走 Docker 路线仓库的 docker/ 目录里已经备好构建脚本和容器配置Dockerfile.base、Dockerfile.finaldocker/Makefile 负责构建构建出镜像后分别把 Server 和 Node 两个容器跑起来。起来之后打开浏览器访问 8265 端口此时你应该能看到 Web 界面首页顶部有 Server Overview显示内存、CPU 占用和服务时钟。接着在 Server 侧开启鉴权并记下 API Key再到 Node 端配置填入 Server 地址默认http://服务器IP:82668266 是 Server 与 Node 通信端口、粘贴 API Key、保存。几秒后刷新 Web 界面Nodes 区域里就会出现你的节点转码 CPU 和 GPU 的 worker 数量都是 0——说明连接已通只是还没活干。实战用 3 个测试视频走完整条流程拿三个不同编码的短测试片建一个库给它挂一个规则栈比如非 HEVC 转 HEVC移除多余字幕流这类条件规则然后触发任务。首页 Nodes 表格里能看到百分比实时上涨FPS 和压缩率也一并显示节点配置窗口长这样Server URL、API Key 都在这块面板上核对跑完一轮对比一下前后体积HEVC 版本通常能比 H.264 小 40%–50%。这一步的意义不是转成功了而是确认规则参数、路径和输出位置都符合预期——之后再放开到全量文件就心里有底了。踩坑与解法三个新手高频问题节点一直显示 Disconnected 怎么办90% 是连通性或鉴权问题。先核对 Server URL 的端口应为 8266 而不是 Web 界面的 8265再确认 API Key 和 Server 端开启鉴权后生成的一致最后翻一下节点窗口的 Logs 标签页报错会直接告诉你哪一步断的。服务器和节点不在同一台机器路径对不上节点配置里选 mapped 模式并在 Path Translators 中把 Server 路径映射到 Node 上的实际路径嫌麻烦就切 unmapped 模式让节点先把文件拉到本地缓存再处理代价是占一块缓存盘。任务一跑就报 FFmpeg 相关错误检查 Server 和 Node 两侧配置里 FFmpeg Path、HandBrake Path 是否留了default还是给了明确路径不确定就用ffmpeg -version确认可执行文件在系统里能找到。写在最后Tdarr 的价值一句话把逐个手动转码变成定规则、挂机、等结果还顺带把库里的视频健康检查了一遍。建议你先按今天这套流程用 3 个文件跑通验证参数没问题后再往多节点、定时调度和 GPU 转码方向扩展。【免费下载链接】TdarrTdarr - Distributed transcode automation using FFmpeg/HandBrake Audio/Video library analytics video health checking (Windows, macOS, Linux Docker)项目地址: https://gitcode.com/gh_mirrors/tda/Tdarr创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
