Gaffer 1.5.15.0版本发布:场景全局选项处理与动画编辑增强
Gaffer是一款开源的视觉特效和动画制作工具,专注于提供节点式的工作流程,广泛应用于电影和电视制作领域。它结合了强大的场景描述能力和灵活的节点网络,使艺术家和技术总监能够高效地创建复杂的视觉效果。
核心功能更新
ShuffleOptions节点引入
本次1.5.15.0版本新增了ShuffleOptions节点,这是一个专门用于处理场景全局选项的重要工具。在特效制作中,场景全局选项包含了影响整个场景的各种参数设置。ShuffleOptions节点允许用户对这些选项进行重新排列和重组,大大提升了场景设置的灵活性。
这个功能特别适合需要频繁调整全局参数的工作流程,比如在不同渲染层之间切换设置,或者在测试渲染和生产渲染之间快速转换。
动画编辑功能增强
多属性同时动画支持
动画系统得到了显著增强,现在支持对颜色、向量和边界框等多种类型插件的动画处理。更重要的是,用户可以在多个插件上同时应用动画操作,这一改进在以下几个编辑器中尤为实用:
- 灯光编辑器(LightEditor)
- 渲染通道编辑器(RenderPassEditor)
- 属性编辑器(AttributeEditor)
- 电子表格界面(Spreadsheet UI)
这意味着艺术家可以一次性为多个相关参数创建动画,而不需要逐个设置,大大提高了工作效率。
快捷键优化
编辑体验也得到了改善,新增了以下快捷键组合:
- Shift + Enter:提交编辑但不关闭弹出窗口
- Shift + Ctrl + Enter:同样用于提交编辑并保持窗口开启
这种设计允许用户在连续编辑多个值时保持编辑器窗口打开,避免了频繁打开关闭窗口的操作,使工作流程更加流畅。
灯光编辑器改进
针对Arnold渲染器的灯光编辑器进行了布局优化:
- 重新组织了各个部分的顺序
- 调整了部分栏目在各自部分中的排列
这些调整使界面更加符合Arnold灯光参数的组织逻辑,让用户能够更直观地找到需要的控制项。
USD相关增强
USD加载能力扩展
SceneReader现在能够识别并加载更多类型的USD图元:
- ArnoldAlembic
- ArnoldUsd
- ArnoldProceduralCustom
这些图元会被转换为ExternalProcedural对象,扩展了Gaffer对USD生态系统的支持。
环境变量自动配置
当指定ARNOLD_ROOT时,Wrapper现在会自动将$ARNOLD_ROOT/plugins/usd/usdArnold/resources添加到PXR_PLUGINPATH_NAME环境变量中,简化了Arnold与USD的集成配置。
问题修复
本次版本修复了多个影响用户体验的问题:
-
RenderMan相关修复:
- 增加了对多种数组类型属性的支持,特别是修复了从USD加载的
render:displayColor属性的导出问题 - 修复了通过Dots等中间节点建立的连接加载失败的问题
- 增加了对多种数组类型属性的支持,特别是修复了从USD加载的
-
表达式系统:
- 修复了名称中包含
:字符的插件在创建OSL表达式时的错误
- 修复了名称中包含
-
Python编辑器:
- 修复了在输入部分插件或节点名称或字典键后输入
:时不显示自动完成菜单的问题
- 修复了在输入部分插件或节点名称或字典键后输入
-
动画系统:
- 修复了插件上下文菜单中的"跳转到"功能
-
编辑菜单:
- 当选择内容为只读时,现在会正确禁用"重命名"菜单项
-
目录系统:
- 增加了对从Gaffer 1.6保存的Catalogues的前向兼容性
-
场景读取:
- 修复了加载具有独特动画的实例化UsdSkel几何体的问题
构建系统改进
构建系统新增了buildGraphics选项,允许单独构建Gaffer标志和图标。此外,Cortex库已更新至10.5.15.0版本,提供了更好的底层支持。
总结
Gaffer 1.5.15.0版本通过引入ShuffleOptions节点和增强动画编辑功能,进一步提升了特效制作的工作效率。特别是对USD生态系统的扩展支持和RenderMan相关修复,使得这款工具在现代特效制作流水线中更加可靠和强大。这些改进既考虑了技术总监的需求,也照顾到了艺术家的使用体验,体现了Gaffer团队对用户工作流程的深入理解。
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