ExoPlayer 对 DASH 清单中 dashif:Laurl 属性的解析支持
在流媒体技术领域,DASH(Dynamic Adaptive Streaming over HTTP)是一种广泛使用的自适应比特率流媒体协议。作为 Android 平台上最强大的媒体播放框架之一,ExoPlayer 持续跟进 DASH 规范的最新发展,以提供更好的兼容性和用户体验。
背景介绍
DASH-IF(DASH Industry Forum)是制定 DASH 实施指南的行业组织。在其发布的 DASH-IF IOP-6 V5.0.0 规范中,7.3 章节明确规定了内容保护描述符(ContentProtection descriptor)的标准实现方式。其中,dashif:Laurl 属性被定义为获取许可证服务器 URL 的标准方式。
在此之前,ExoPlayer 已经支持了 clearkey:Laurl 和 ms:laurl 等特定 DRM 方案的许可证 URL 属性解析。但随着行业标准向更通用的 dashif:Laurl 属性迁移,开发者需要 ExoPlayer 能够正确解析这一标准化属性。
技术实现
ExoPlayer 通过 DashManifestParser 类处理 DASH 清单文件的解析工作。该类的职责包括解析清单中的各种元素和属性,包括内容保护相关的信息。为了支持 dashif:Laurl 属性,开发者在解析逻辑中添加了对这一属性的识别和处理。
这一改进使得 ExoPlayer 能够:
- 正确识别 DASH 清单中的
dashif:Laurl属性 - 在直播流节目边界处解析许可证服务器 URL
- 保持与现有
clearkey:Laurl和ms:laurl属性的向后兼容性
实际意义
这一改进对开发者而言具有多重好处:
- 标准化支持:使用行业标准属性而非特定实现,提高代码的可维护性和互操作性
- 减少混淆:避免因使用
clearkey:Laurl实现 Widevine DRM 而导致的命名混淆 - 未来兼容:遵循 DASH-IF 最新规范,确保长期兼容性
- 一致性:在直播流场景下,能够正确处理节目边界处的许可证信息
开发者建议
对于正在或计划使用 ExoPlayer 开发 DASH 流媒体应用的开发者,建议:
- 在新项目中优先使用
dashif:Laurl属性 - 在维护现有项目时,考虑逐步迁移到标准属性
- 确保 DRM 许可证服务器配置符合 DASH-IF 规范要求
- 测试不同 DRM 方案(如 Widevine、PlayReady 等)与标准属性的兼容性
ExoPlayer 团队持续关注流媒体标准的发展,并通过此类改进确保开发者能够使用最前沿的技术构建高质量的流媒体应用。这一变更体现了 ExoPlayer 对行业标准的快速响应能力,也展示了其作为 Android 平台首选媒体播放框架的技术领导力。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00