libavif v1.2.0 版本发布:AV1 图像格式库的重大更新
libavif 是一个开源的 AV1 图像格式编解码库,它实现了 AVIF 格式的编码、解码和处理功能。AVIF 是基于 AV1 视频编码器的图像格式,具有出色的压缩效率和图像质量,正在成为下一代图像格式的重要选择。最新发布的 v1.2.0 版本带来了多项重要改进和新特性,进一步提升了库的功能性和稳定性。
核心特性增强
本次更新最显著的变化是移除了多个实验性功能的标记,将它们提升为稳定功能。其中最重要的两项是:
-
增益地图(Gain Map) API:这个功能现在已成为稳定特性,不再需要特殊的编译标志。增益地图技术允许在单一文件中存储不同曝光级别的图像信息,为HDR显示设备提供更好的支持。
-
YCgCo_Re 和 YCgCo_Ro 色彩空间支持:这两种色彩空间转换算法也已从实验状态毕业,现在可以稳定使用。它们的枚举值已更新至最新的CICP规范。
元数据处理改进
新版本在元数据处理方面做出了重要改进:
-
新增了
properties和numProperties字段到avifImage结构中,用于存储和传递libavif无法识别的属性数据。这增强了库对非标准元数据的兼容性。 -
增加了对HEIF第三版修正案中"PixelInformationProperty"语法的实验性支持,需要通过编译标志
AVIF_ENABLE_EXPERIMENTAL_EXTENDED_PIXI启用。 -
改进了对增益地图元数据的处理逻辑,现在会忽略不支持的元数据,并正确处理writer_version大于0的情况。
编码器与解码器优化
在编码和解码方面,v1.2.0带来了多项优化:
-
编码器现在支持处理超大尺寸图像,解决了之前可能存在的限制问题。
-
解码器现在能够正确处理包含非视频轨道(如音频或字幕)的图像序列。
-
改进了对辅助轨道的类型检查,避免将非alpha辅助轨道错误识别为alpha通道。
-
解码器现在能够处理具有奇数Clean Aperture尺寸或偏移的子采样图像。
API变更与弃用
本次版本引入了一些API变更:
-
简化了增益地图API,移除了
enableParsingGainMapMetadata设置,现在只要编译支持就会自动解析增益地图元数据。 -
弃用了
avifEncoder中的量化器相关字段(minQuantizer等),推荐使用quality和qualityAlpha参数替代。 -
弃用了
avifCropRectConvertCleanApertureBox()和avifCleanApertureBoxConvertCropRect()函数,提供了更直观的替代函数。 -
将
AVIF_HEADER_FULL重命名为AVIF_HEADER_DEFAULT,并标记前者为弃用。
新增工具与实用功能
v1.2.0版本新增了一个实用工具:
avifgainmaputil命令行工具:这个工具专门用于处理增益地图相关操作,现在已包含在标准安装包中。
此外还新增了一些实用函数:
-
avifSignedFraction和avifUnsignedFraction结构体,以及相关的转换函数,方便处理分数数据。 -
avifCropRectRequiresUpsampling()函数,用于判断裁剪矩形是否需要上采样。
依赖项更新
libavif v1.2.0同步更新了多个依赖库的版本:
-
AOM编码器更新至v3.12.0,新增了
tune=iq(图像质量)编解码选项。 -
dav1d解码器更新至1.5.1版本。
-
libjpeg更新至v3.0.4。
-
SVT-AV1编码器更新至v3.0.0,支持了无损编码和并行度设置。
其他改进
-
优化了文件结构,现在会写入空的HandlerBox名称字段而非"libavif",节省了7字节空间。
-
改善了属性写入顺序,现在描述性属性会先于转换性属性写入。
-
修复了alpha通道处理中的多个潜在溢出问题。
-
Android JNI支持改进,包括支持16kb页面大小和默认线程数设置为2。
总结
libavif v1.2.0是一个功能丰富的更新版本,将多项实验性功能提升为稳定特性,同时改进了编码和解码的可靠性和灵活性。新版本特别强化了对HDR和增益地图的支持,使AVIF格式在高质量图像应用场景中更具竞争力。对于开发者而言,需要注意一些API的变更和弃用,及时调整代码以适应新版本。
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