HeliBoard 3.0-beta1 版本发布:Android输入法框架的重大更新
HeliBoard 是一款开源的 Android 输入法应用,以其高度可定制性和现代化设计著称。作为一款替代传统输入法的解决方案,HeliBoard 提供了丰富的主题定制、布局调整和功能扩展能力,特别适合追求个性化和高效输入体验的用户。
核心更新内容
Android 15兼容性优化
开发团队修复了在 Android 15 及以上版本中的底部插入(inset)问题。这个修复确保了键盘在不同设备上的显示一致性,特别是在全面屏设备上能够正确计算底部安全区域,避免键盘被系统导航栏遮挡。
性能优化
本次更新对调试版本进行了优化处理,减少了不必要的资源占用,提升了应用的响应速度。这种优化对于开发者调试和日常使用都带来了更好的体验。
新功能增强
-
时间戳快捷输入:新增了时间戳键码功能,用户可以快速插入当前时间戳,这在需要记录时间的场景下非常实用。
-
色彩系统扩展:
- 为键预览弹出文本、弹出文本和表情视图中的键文本添加了
all_colors颜色选项 - 改进了颜色重命名功能,解决了之前版本中存在的相关问题
- 在颜色选择器对话框中,"完成"操作现在表现得像"确定"按钮,使操作更加直观
- 为键预览弹出文本、弹出文本和表情视图中的键文本添加了
-
布局管理改进:
- 修复了主布局重命名和删除时的问题
- 将子类型对话框改为全屏显示,并实现了更改的即时应用
输入体验优化
修复了在Firefox及其衍生浏览器中使用空格滑动手势移动光标时的问题。这个修复显著提升了在这些浏览器中的文本编辑体验,使光标移动更加准确和流畅。
技术实现亮点
-
即时应用更改:通过将子类型对话框改为全屏显示并实现即时应用更改,减少了用户操作步骤,提升了设置效率。
-
色彩管理系统:扩展的色彩选项和修复的色彩管理问题,为用户提供了更丰富的个性化选择,同时保证了设置的稳定性。
-
跨浏览器兼容性:针对Firefox等浏览器的特定优化,展示了项目团队对不同使用场景的细致考虑。
用户体验改进
基于用户反馈,开发团队对设置界面进行了一定调整。这些调整旨在使设置更加直观和易于使用,同时团队仍然欢迎用户在3.0正式版发布前继续提供关于设置主题的改进建议。
版本发布说明
本次发布的3.0-beta1版本包含三个不同的APK包:
- 调试版本(debug.apk):包含调试信息,适合开发者使用
- 无用户库版本(nouserlib.apk):精简版本,不包含用户库
- 正式发布版本(release.apk):标准发布版本,适合大多数用户
这个beta版本标志着HeliBoard向3.0稳定版迈出了重要一步,解决了多个关键问题并引入了实用的新功能,为用户提供了更加稳定和丰富的输入体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00