RoyalDownloader
RoyalDownloader es una herramienta autohospedada para automatizar la gestión de bibliotecas multimedia en Jellyfin.
Ficha actualizada 24 sept 2026, 7:36 · upstream 24 sept 2026, 7:29 · release v1.1.0
Qué es RoyalDownloader
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
RoyalDownloader es una aplicación web autohospedada diseñada para automatizar la adquisición y gestión de medios en servidores locales o NAS. Integra profundamente con Jellyfin para evitar duplicados, verificar estado de reproducción y sugerir mejoras de calidad. Utiliza Python (FastAPI) y ofrece un sistema de descargas persistente con recuperación tras fallos, validación de integridad y múltiples proveedores con fallbacks configurables.
La plataforma incluye descubrimiento personalizado basado en perfiles locales, recomendaciones y modos de estado de ánimo (Mood Mode). Soporta integraciones externas como TMDB para metadatos, Telegram para solicitudes y notificaciones, y Seerr/Moonfin para peticiones directas sin necesidad de Radarr o Sonarr. El despliegue es flexible vía Docker Compose, scripts nativos en Windows/macOS/Linux o contenedores Python en NAS.
Las actualizaciones se gestionan mediante canales Estable y Overnight con soporte para rollback atómico y paquetes de recuperación. La interfaz web centraliza la cola de descargas, el estado de la biblioteca y la configuración de automatización en un entorno privado bajo control del usuario.
- Sincronizar bibliotecas multimedia con Jellyfin evitando duplicados y detectando episodios existentes
- Gestionar suscripciones a series y películas con detección automática de nuevos lanzamientos
- Solicitar contenido vía Telegram o integraciones Seerr/Moonfin sin depender de Radarr/Sonarr
- Automatizar descargas programadas con ventanas de tiempo configurables y verificación de integridad
- Actualizar la interfaz y metadatos de la biblioteca localmente con perfiles de gusto personalizados
- Recuperar descargas tras fallos del sistema o reinicios mediante lógica de persistencia y fallbacks
- Integración nativa con Jellyfin para detección de contenido existente, estado de reproducción y calidad
- Sistema de descargas persistente con aislamiento por intento y recuperación automática tras errores
- Soporte para múltiples proveedores y hosters con orden de fallback configurable y cooldowns
- Actualizaciones atómicas con canales Estable y Overnight, incluyendo rollback seguro desde runtime/previous
- Descubrimiento personalizado basado en historial de visualización, suscripciones y preferencias locales
- Interfaz web responsive que centraliza cola, estado de biblioteca y configuraciones de automatización
- Requiere clave API válida de TMDB para acceso a metadatos y descubrimiento de contenido
- No debe exponer el puerto 8765 directamente a internet; se recomienda proxy inverso seguro
- Dependencia de Python 3.12+ y Chromium/Google Chrome para renderizado de interfaz en algunos modos
- La actualización del canal Overnight requiere acceso explícito a revisiones de calidad (checks) en GitHub
- El usuario es responsable de cumplir con las leyes y términos de uso de los proveedores de contenido
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Se recomienda usar Docker Compose para despliegue en NAS o servidores domésticos. Clonar el repositorio, copiar .env.example a .env y configurar rutas de medios (MOVIES_HOST_DIR, SERIES_HOST_DIR). Ejecutar docker compose up -d --build. Para Windows/macOS/Linux nativo, instalar dependencias Python 3.12+ vía pip y ejecutar server.py. En NAS con start.sh, el script prepara Chromium, ffmpeg y runtime versionado. Nunca exponer puerto 8765 a internet sin proxy seguro.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.