Zigbee-herdsman-converters v23.70.0版本更新解析
Zigbee-herdsman-converters是一个开源的Zigbee设备转换器项目,主要用于将不同厂商的Zigbee设备协议转换为统一的格式,使得这些设备能够被Zigbee2MQTT等系统识别和控制。该项目持续更新,支持越来越多的Zigbee设备。
新设备支持
本次v23.70.0版本新增了对COZIGPMS设备的支持。COZIGPMS是一款Zigbee智能插座,能够监测用电量并远程控制电源开关。通过本次更新,用户现在可以将其无缝集成到Zigbee网络中。
此外,Novato ZPV-01智能插座现在增加了电池状态监测功能。这意味着用户可以实时查看设备的电池电量,确保设备正常运行。对于依赖电池供电的智能设备来说,这一功能尤为重要。
功能增强
在灯光控制方面,本次更新对light_colortemp_move转换器进行了增强,增加了对最小/最大色温约束的支持。这一改进使得用户在使用色温调节功能时,可以设置合理的色温范围,避免超出设备支持的范围导致异常。对于智能灯具开发者来说,这一改进提供了更精确的控制能力。
设备识别优化
本次更新对多个设备的识别机制进行了优化:
-
改进了对ZM-L03E-Z和ZWOT16-W2设备的识别逻辑,现在能够更准确地识别这些设备的不同型号变体。
-
新增了对Zemismart ZMS-206EU-3窗帘电机的识别支持。这款设备在欧洲市场较为常见,更新后用户可以更方便地将其接入系统。
-
BSEED品牌的TS0601窗帘控制器现在能够被正确识别,解决了之前可能出现的设备类型识别错误问题。
-
针对Shelly品牌的1 Mini和1PM Mini智能开关,更新了识别机制,确保这些设备能够被正确分类。
-
Eco-Dim.07/Eco-Dim.10调光器现在能够通过"eco-dim07-zigbee"标识被正确识别。
-
Onesti Products AS Nimly设备现在可以通过"NimlyShared"标识被识别,完善了对该品牌设备的支持。
问题修复
本次更新修复了多个已知问题:
-
修复了ZG-101Z/D设备模型重复定义的问题,确保设备配置的唯一性。
-
修正了Smartwings WM25L-Z窗帘电机的电源类型定义,现在能够正确显示为电池供电设备。
-
针对Tuya TS0601旋钮调光开关,修复了端点配置问题,确保设备各功能能够正常工作。
这些修复提升了系统的稳定性和兼容性,为用户提供了更好的使用体验。
总结
Zigbee-herdsman-converters v23.70.0版本通过新增设备支持、功能增强和设备识别优化,进一步扩展了Zigbee生态系统的兼容性。对于智能家居用户和开发者来说,这些更新意味着能够支持更多设备、获得更精确的控制能力以及更稳定的系统运行。特别是对窗帘电机、智能插座和调光设备支持的改进,将直接提升这些场景下的用户体验。
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