Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

youtube-dl-server

Servidor autoalojado para descargar videos de YouTube con autenticación local y gestión de cola. Incluye etiquetado automático de metadatos y soporte para suscripciones a canales. Versión beta en pausa del proyecto original manbearwiz, ejecutada en Python 3.6+ con Flask y ffmpeg.

Ficha actualizada 18 sept 2026, 21:42 · upstream 23 nov 2021, 15:29 · release 1.0.0

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es youtube-dl-server

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

youtube-dl-server es una herramienta autoalojada diseñada para descargar contenido de YouTube gestionando colas de descarga y aplicando metadatos automáticamente (títulos, autores) para facilitar la integración con servidores multimedia como Plex o Jellyfin. A diferencia de versiones anteriores, esta variante aloja todos los activos localmente sin depender de CDNs externos y ofrece páginas de error personalizadas y gestión de usuarios mediante autenticación básica.

El proyecto permite configurar suscripciones a canales o listas de reproducción que se procesan en segundo plano mediante un daemon programable con crontab. Incluye soporte experimental para proxies y una interfaz web para monitorizar el estado de las descargas en tiempo real. Sin embargo, el repositorio indica explícitamente que el desarrollo está en pausa y la versión se encuentra en etapa beta, por lo que debe utilizarse bajo propio riesgo.

La instalación requiere Python 3.6 o superior, ffmpeg y pip para los módulos necesarios. Se ofrece soporte tanto para despliegues nativos como mediante contenedores Docker, aunque el autor recomienda construir la imagen manualmente debido a problemas con docker-compose. El puerto predeterminado es 8080 y se deben configurar variables de entorno para credenciales administrativas y zonas horarias.

CASOS DE USO
  • Descarga programada de videos de YouTube en servidores locales
  • Gestión automática de metadatos para bibliotecas multimedia (Plex, Jellyfin)
  • Suscripción a canales o listas de reproducción con descarga periódica
  • Monitorización del estado de descargas mediante interfaz web
  • Uso de proxies para descargar contenido desde redes restringidas
PUNTOS DESTACADOS
  • Autenticación local integrada para restringir el acceso al servidor
  • Etiquetado automático de archivos multimedia sin intervención manual
  • Interfaz web con historial y progreso en tiempo real (actualización cada 3s)
  • Soporte nativo para despliegue en contenedores Docker
  • Gestión de suscripciones a canales mediante daemon programable
  • Alojamiento local de activos para evitar dependencias de CDNs externos
PRECAUCIONES
  • Proyecto en pausa activa con actualizaciones ocasionales y no garantizadas
  • Funcionalidad experimental de proxies sin pruebas exhaustivas del autor
  • Errores conocidos con codecs de ultra alta resolución en Windows
  • Advertencia de seguridad: no exponer al público sin medidas adicionales
  • Compatibilidad limitada con móviles (funciona principalmente en tablets)
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Instalar Python 3.6+, ffmpeg y pip. Ejecutar setup.py y gunicorn en puerto 8080. Para Docker, construir imagen manualmente (docker build) y montar volúmenes de descargas y base de datos. Configurar variables ADMINUSER y PASSWORD. No exponer al internet sin seguridad adicional.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Python
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
8080
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.