家里想唱歌，最省事的办法当然是买一套成品点歌机，机器往电视旁边一放，插上线就能用，曲库和界面也都有人管。问题是这东西平时大概率在吃灰，买回来占一个位置不说，后面想加歌、换硬盘、整理曲库，很多时候还得顺着厂商的规则来，碰上会员、广告或者系统停更，心里多少有点膈应。

而熊猫作为NAS玩家，自然想法不一样了，既然家里已经有一台长期在线的服务器，电影、照片、音乐都放在里面，为什么不能顺手把KTV也塞进去？这次方案采用的是绿联DXP6800 Pro，在UGOS Pro里用Docker部署nasktv项目，音源文件放在NAS硬盘中；雷鸟电视负责大屏播放；家里的手机连上Wi-Fi后能直接点歌，整套系统只在局域网里跑，不用每个人装App，也不用把自己的曲库交给第三方平台。

主机核心

绿联DXP6800 Pro是这套方案的中枢，项目本身是需要用到一些硬件性能的，英特尔酷睿i5-1235U的处理器有10核12线程，项目需要用到的一些本地模型这点负载对它来说基本等于热身，且因为性能有亢余，当家里有人唱歌时，NAS仍然可以继续下载、备份照片、跑影音服务，几个任务堆在一起也不至于互相抢得太难看。

DXP6800 Pro给了双10GbE网口、两个M.2 NVMe插槽、双雷电4、PCIe扩展和最高8K 60Hz的HDMI输出。家庭KTV本身吃不了万兆，它真正方便的是，曲库初次入库时经常要搬几百GB甚至几TB文件，万兆局域网能明显缩短等待，加上熊猫自媒体的副业，家里还有剪辑电脑、工作站等多台终端，带宽不用全挤在一条线上。

很多人看到六盘位，第一反应是“家用有必要吗”。实话说，轻度用户确实没必要，但如果你是屯屯鼠，那还是有必要。影视和音频这类文件有个特点，单个文件看着不大，攒起来却很快，尤其是保留高码率MV、演唱会版本和不同伴奏，一首歌几百MB很正常，再叠加电影、电视剧、全家照片和电脑备份，四盘位很容易从“够用”变成“又要换盘”。

六个SATA盘位的价值不是让你第一天就插满，而是留出后悔的空间。前期可以先上两块或三块盘，按自己的数据安全需求组阵列，怎么选要看数据价值，如果数据比较重要，那么千万别为了多一点可用容量把冗余全丢了。

硬盘选择

这次也是刚好准备给它加硬盘，顺便清一下灰，之前一直是插了4张盘，但随着东西越来越多也是感觉不够用了。

这次盘位里可以搭配东芝N300 NAS机械硬盘，CMR传统磁记录，转速为7200RPM，带旋转振动传感器，作为NAS专用盘，完全是按照NAS的7×24小时环境设计，对家庭曲库这种“大文件顺序读取为主，偶尔集中写入”的场景，CMR比一些采用SMR的普通桌面盘更省心，阵列重建和持续写入时也更符合预期。

定位对路，容量选择多，持续读写也够用，这次熊猫准备了两张8T。当然了，7200转机械盘不可能完全没声音，夜深以后磁头寻道和盘体振动还是能听见，如果对噪声特别敏感，干脆把机器放到书房或弱电柜，硬盘是拿来干活的，不是靠“静音”两个字哄自己睡觉。

电视联动

电视在这套方案里不负责存歌，也不负责跑服务，充当的是大屏点歌台，NAS-KTV把前端单独做成了Web容器，默认从NAS的端口访问，因此电视与服务器不需要是同一台设备，电视只要能通过浏览器访问局域网地址，就可以打开系统页面。

熊猫这里用的是雷鸟，当然，电视不一定非要是雷鸟，不过因为雷鸟和绿联本身就是有合作的，雷鸟的TV系统自带就有绿联云的小卡片，也算是一个加分项。

如果电视自带浏览器打不开全屏，或者播放某些MP4只有声音没有画面，可以换BrowseHere或其他Chromium内核电视浏览器，也可以接一个兼容性更好的盒子，实在不想折腾，拿笔记本接HDMI当播放端也行。

整个项目想要完整的体验，你就需要准备这些东西：装好UGOS Pro与Docker的绿联NAS、能正常访问局域网的电视、本地歌曲文件，以及一套独立的麦克风。

容器部署

打开绿联的的Docker应用，切到项目选项选择创建项目，把下面Compose内容贴进去：

♾️ yaml 代码:

services:
  backend:
    image: ghcr.linkos.org/panda-995/nas-ktv-backend:${NASKTV_IMAGE_TAG:-latest}
    pull_policy: always
    ports:
      - "3000:3000"
      - "45678:45678/udp"
    volumes:
      - ./data/db:/app/data/db
      - ./data/songs:/app/data/songs
      - ./data/separation:/app/data/separation
      - ./data/uploads:/app/data/uploads
    environment:
      NODE_ENV: production
      PORT: "3000"
      JWT_SECRET: ${JWT_SECRET:-your-jwt-secret-change-me}
      DB_PATH: /app/data/db/nasktv.db
      SCAN_PATH: /app/data/songs
      SEPARATOR_SERVICE_URL: http://separator:8001
      SEPARATION_OUTPUT_DIR: /app/data/separation
      SEPARATION_CONCURRENCY: ${SEPARATION_CONCURRENCY:-2}
      SEPARATION_AUTO_ENABLE: ${SEPARATION_AUTO_ENABLE:-true}
      HF_ENDPOINT: ${HF_ENDPOINT:-https://hf-mirror.com}
      AI_ENABLED: ${AI_ENABLED:-false}
      AI_BASE_URL: ${AI_BASE_URL:-https://api.openai.com/v1}
      AI_API_KEY: ${AI_API_KEY:-}
      AI_MODEL: ${AI_MODEL:-gpt-4o-mini}
      AI_PARSE_CONCURRENCY: ${AI_PARSE_CONCURRENCY:-2}
      AI_AUTO_PARSE_AFTER_SCAN: ${AI_AUTO_PARSE_AFTER_SCAN:-true}
    depends_on:
      separator:
        condition: service_started
    restart: unless-stopped
    healthcheck:
      test:
        - CMD-SHELL
        - >-
          node -e "require('http').get(
          'http://localhost:3000/api/health',
          r => process.exit(r.statusCode === 200 ? 0 : 1)
          ).on('error', () => process.exit(1))"
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 10s

  separator:
    image: ghcr.linkos.org/panda-995/nas-ktv-separator:${NASKTV_IMAGE_TAG:-latest}
    user: "0:0"
    pull_policy: always
    volumes:
      - ./data/songs:/app/data/songs:ro
      - ./data/separation:/app/data/separation
      - ./data/separator-cache:/app/cache
    environment:
      TORCH_HOME: /app/cache
      DEMUCS_CACHE: /app/cache
      HF_ENDPOINT: ${HF_ENDPOINT:-https://hf-mirror.com}
      SEPARATION_CONCURRENCY: ${SEPARATION_CONCURRENCY:-2}
      PYTORCH_INDEX_URL: ${PYTORCH_INDEX_URL:-https://download.pytorch.org/whl/cpu}
    restart: unless-stopped

  web:
    image: ghcr.linkos.org/panda-995/nas-ktv-web:${NASKTV_IMAGE_TAG:-latest}
    pull_policy: always
    ports:
      - "18080:80"
    depends_on:
      backend:
        condition: service_healthy
    restart: unless-stopped

关于文件夹映射，其中data/songs为歌曲存放目录，你可以部署之后再放文件，也可以提前放，同时熊猫在镜像中已经添加了加速源，所以不需要再担心速度问题。

歌曲命名依然建议做干净，例如“歌手 - 歌名”，项目虽然预留了AI解析能力，但默认毕竟要外接API，不开AI不能指望系统替你猜完所有乱七八糟的文件名，即便以后开启AI，整齐的源文件也更方便迁移和备份。

这份配置最少要改一项JWT_SECRET，这里需要填写一个32位的长随机字符串，可以直接让豆包之类的帮你生成，AI曲名解析默认关闭，需要时再把AI_ENABLED设为true，补上AI_BASE_URL、AI_API_KEY与AI_MODEL就行。

保存并启动项目，Docker会拉取Backend、Separator和Web三个镜像，三个容器显示正常启动后，再用http://绿联NASIP:18080打开正式页面，也可以直接从绿联的Docker界面点击直接快捷访问，默认账号是admin，密码为admin123。

仪表盘会显示当前的曲库数量、歌手数、播放次数以及活跃房间，下面还有完整的AI解析和人声分离队列以及歌曲解析，相当于KTV的中控后台界面。

歌曲管理、去重和歌手管理这些就不用看了，很正常播放器的管理没有区别。

歌曲上传或者放到曲库之后首先看AI解析，配置好AI之后AI会根据提示词根据歌曲的内容进行解析歌曲名和歌手，还会进行流派分类等操作，最终这个解析并不会写入曲库中，而是作为json存在项目本地。

除了解析，人生分离就是最重要的了。一般来说个人找到的音源是默认没有人声伴奏分离的，所以这时候就要借助大模型来将人生和伴奏进行分离，首先在GPU管理这里我们能看到硬件信息和PyTorch状态，如果你有外接显卡，那么这里就能检测到你的外接显卡并用GPU版本模型来加速人声分离，如果没有那么就会采用CPU版本。

点击人声分离，这时候项目会调用你绿联NAS的本地CPU能力进行模型处理，再将分离的人声伴奏进行转码，熊猫的绿联DXP 6800Pro一首歌按照标准模型处理大概用时50秒左右。

分离之后可以点击后面的试听，这时候就能看到歌曲分成了原唱音频、伴奏音频、人声音频，且分离效果非常不错，如果想要更精细，可以选择更好的模型进行分离，不过耗时会更久一点。

分离配置在系统设置界面可以找到，同时需要注意右下角这个H5手机点歌，需要改成你的NASIP地址和端口然后加上/h5/的后缀，后面会用到。

在电视上安装NASKTV应用，下载地址在github搜索项目Panda-995/NAS-KTV，按页面提供二维码扫码，这里手机一定要是同一局域网，这时候手机就会弹出项目的后端配置界面，输入我们的后端地址，也就是http://绿联NASIP:18080，就能进入点歌界面。

这里熊猫的歌曲文件没有内嵌歌词，如果你有lrc歌词文件，也可以在后端的歌曲管理中去上传，这样桌面就能显示歌词了。

手机扫码之后的点歌界面长这样，除了支持点歌，也能作为遥控器使用，支持单独调节伴奏、人声音量，同时还提供了各种环绕声效果，也支持升调降调操作，基本是满足K歌的需求了。

这套方案落地后，最省心的是曲库确实在自己手里，当然，它没有商业KTV那种现成的海量在线曲库，第一次整理会花时间，人声分离更不是点一下马上完成，说白了，这是一套“愿意前期折腾，换后期自由”的方案。

写在最后

这套方案不一定适合所有人，它需要整理曲库，也需要花一点时间处理Docker路径、应用兼容，但折腾完之后，家里的照片、电影、音乐、KTV都能围着同一台NAS运转，这种“东西是自己的，规则也由自己定”的感觉，确实挺舒服。

以上便是本次分享的全部内容了。如果你觉得还算有趣或对你有所帮助，不妨点赞收藏，最后也希望能得到你的关注，咱们下期见！