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。
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