RepoRadar Digarr: автоматизированный поиск музыки с использованием AI
Digarr — это проект для автоматизированного открытого поиска музыки, который интегрируется с твоим *arr стеком. Он использует AI для рекомендаций артистов и альбомов, анализируя твой музыкальный вкус, и эффективно работает с популярными платформами, такими как Lidarr, Spotify, Navidrome, Jellyfin и Plex.
Главная фишка Digarr — это возможность одобрять конкретные альбомы без необходимости захватывать всю дискографию, что экономит время и трафик. Приложение самообучается на основе обратной связи от пользователей, формируя более точные рекомендации со временем. Написан на TypeScript, он запускается с использованием Bun и поддерживает Docker для простоты развертывания.
Проект находится на стадии активной разработки и требует самохостинга, что может быть неожиданным для тех, кто привык к облачным решениям. Лицензия MIT позволяет использовать его в открытых проектах. Приложение также доступно на 15 языках, что расширяет аудиторию.
Проект Digarr предназначен для поиска и рекомендации музыки, интегрируясь с твоей музыкальной библиотекой и используя искусственный интеллект для создания персонализированного профиля вкусов. Он позволяет пользователям открывать для себя новые альбомы, получать рекомендации на основе уже прослушанных треков и автоматически создавать плейлисты. Ему не требуется подключение к другим сервисам (таким как Lidarr), однако они могут быть интегрированы для получения более глубоких рекомендаций.
Установка и запуск
Проект можно запустить, используя Docker, благодаря чему упрощается управление и не требуется отдельная настройка базы данных:
docker run -d --name digarr -p 3000:3000 \
-v digarr-data:/app/data -v digarr-backups:/app/backups \
docker.io/iuliandita/digarr:latest
После запуска приложения открой http://localhost:3000 и следуй указаниям мастера установки, который проведёт тебя через процесс подключения к Lidarr, Emby или в режиме только для открытия музыки. Команды для установки через Docker Compose тоже доступны в документации.
Как устроен Digarr
В основе работы Digarr лежит семистадийный процесс рекомендаций, который включает сбор данных из разных источников, анализ и оценку кандидатов, удаление дубликатов и сохранение результатов. Ты можешь подключить несколько источников, таких как ListenBrainz, Last.fm, Spotify, Deezer и другие.
Основные функции проекта включают:
- Открытие альбомов: Рекомендации на уровень альбомов вместо целых дискогратий.
- Индивидуальная настройка AI: Возможность выбора AI-поставщика (таких как OpenAI или Ollama) и конфигурация весов для обучения системы.
- Создание плейлистов: Автоматическая генерация плейлистов на основе одобренных рекомендаций.
- Поддержка разных языков: Интерфейс доступен на 15 языках.
- Мультнопользовательский режим: Каждый пользователь может иметь свои уникальные настройки и очереди.
Ограничения
Хотя Digarr имеет множество функций и поддерживает различные источники, существуют некоторые ограничения:
- Некоторые функции, такие как режим открытия TIDAL, отмечены как экспериментальные и могут не работать должным образом.
- При подключении больших библиотек Lidarr может возникнуть проблема с тайм-аутом загрузки данных.
- Проект требует рабочей среды с установленным Docker, что может быть сложным для пользователей, не знакомых с этой технологией.
Документация и поддержка
Большинство настроек и конфигурации можно осуществить через веб-интерфейс после начальной настройки. Документация проекта включает инструкции по интеграции с различными API, выбору AI-поставщика и создания бэкапов.
Digarr является открытым программным обеспечением, что означает, что любой может внести свой вклад в его развитие, тестирование и улучшение. Если столкнёшься с проблемами, ты можешь открыть issue на GitHub.
Радар проекта: 72 из 100 — крепкий проект
- Импульс 10 ≈ 21 звезда в месяц
- Темп разработки 100 317 коммитов за 12 недель
- Зрелость 81 проекту 8 месяцев, больше 100 релизов
- Сообщество 36 9 участников, 10 форков
- Свежесть 97 последний коммит — 5 дней назад
- Быстрый старт 65 есть: команда установки, сайт/демо
- Готовность к продакшену 100 релиз v2.2.1, автосборка, тесты
- Безопасность и доверие 80 лицензия MIT, SECURITY.md
- Документация 100 README 37.9 тыс. знаков, 36 разделов, папка docs
- Экосистема 53 3 подписчика на обновления, 10 тем
Как считаем
Только открытые данные GitHub на 07.11.2026, без оценок нейросети. Каждая ось — от 0 до 100, итог — среднее.
- Импульс — звёзд в день: за время наших замеров, а пока их нет — за всю жизнь проекта; 200 в день — максимум.
- Темп разработки — коммитов за последние 12 недель; 300 — максимум. Пока GitHub не досчитал статистику, ось не учитывается.
- Зрелость — возраст проекта (3 года — максимум) и число релизов (30 — максимум), поровну.
- Сообщество — участников с коммитами (200 — максимум) и форков (5000 — максимум), поровну.
- Свежесть — дней с последнего коммита: сегодня — 100, полгода и больше или архив — 0.
- Быстрый старт — в README есть команда установки, раздел «быстрый старт» или примеры использования, в репозитории — Docker и папка примеров, у проекта есть сайт или демо.
- Готовность к продакшену — релизы, версия 1.0 и выше, автосборка (GitHub Actions), тесты, лицензия, журнал изменений.
- Безопасность и доверие — открытая лицензия (своя — половина балла), политика безопасности (SECURITY.md), проект организации, правила для участников, не в архиве.
- Документация — объём и структура README, папка docs или сайт, оценка «здоровья сообщества» GitHub.
- Экосистема — звёзды (50 тыс. — максимум), подписчики на обновления (1000 — максимум), темы репозитория.
Открыть на GitHub: iuliandita/digarr →
