AndroidX Media3 1.6.0-alpha02 版本技术解析
AndroidX Media3 是 Google 推出的新一代媒体播放框架,它为 Android 平台提供了强大的多媒体处理能力。该框架包含 ExoPlayer、Transformer 等多个核心组件,支持音频、视频播放、转码、混流等多种媒体操作。
核心组件更新
Common Library 改进
SimpleBasePlayer 修复了一个关于媒体项索引和元数据评估的重要问题。现在当使用 setPlaylist 方法设置 null MediaMetadata 后,再更新 currentMediaItemIndex 时,系统会正确重新评估元数据。
ExoPlayer 增强
本次更新为 ExoPlayer 带来了多项重要改进:
-
视频渲染器预热:新增了实验性的 MediaCodecVideoRenderer 预热支持。通过 DefaultRenderersFactory 的 experimentalSetEnableMediaCodecVideoRendererPrewarming 配置,可以为 ExoPlayer 提供第二个 MediaCodecVideoRenderer。这一特性能够在播放过程中预处理连续媒体项的视频内容,显著减少媒体项切换时的延迟。
-
广告播放优化:修复了中插广告后可能出现额外解码帧快速连续显示的问题,提升了广告与内容之间的过渡体验。
-
元数据处理:DefaultRenderersFactory 现在默认添加两个 MetadataRenderer 实例,使应用能够同时接收两种不同方案的元数据。
-
异步初始化:DeviceInfo 和设备音量现在支持异步初始化(需通过 setDeviceVolumeControlEnabled 启用)。这些值在 ExoPlayer.Builder.build() 后不会立即可用,而是通过 Player.Listener 的 onDeviceInfoChanged 和 onDeviceVolumeChanged 回调通知变化。
-
加载控制优化:改进了播放暂停时的块加载取消逻辑,提升了资源使用效率。
Transformer 功能升级
Transformer 组件迎来了多项重要更新:
-
平台诊断支持:新增了通过 MediaMetricsManager 的 Android 平台诊断支持。Transformer 现在可以将编辑事件和性能数据转发至平台,有助于提供系统性能信息和设备调试数据。应用可以通过 Transformer.Builder.setUsePlatformDiagnostics(false) 选择退出平台诊断。
-
混流器重构:将 InAppMuxer 拆分为 InAppMp4Muxer 和 InAppFragmentedMp4Muxer,分别用于生成非分片和分片 MP4 文件。同时将 Muxer 接口从 media3-muxer 移至 media3-transformer 模块。
-
Dolby Vision 支持:新增了对 Dolby Vision(profile 8)格式的转码和转封装支持。
编解码与格式处理
提取器改进
- 修复了处理以1或2字节(而非4字节)表示长度的NAL单元的问题。
- 解决了MP4编辑列表从非同步帧开始且前面没有同步帧时可能出现的数组越界异常。
音频处理优化
- 当 SpeedChangingAudioProcessor 使用默认参数配置时,不再绕过 SonicAudioProcessor。
- 修复了 Sonic#getOutputSize() 中的下溢问题,该问题可能导致 DefaultAudioSink 停滞。
- 改进了 MediaCodecAudioRenderer 和 DecoderAudioRenderer 的 getDurationToProgressUs() 方法,确保搜索操作正确重置提供的持续时间。
字幕与文本处理
- TTML 增强:新增了对通过 style 引用 tts:origin 和 tts:extent 的支持。
- 时间戳规范化:WebVTT 和 SubRip 时间戳现在严格限制为3位小数。之前版本错误地解析任意小数位数但总是假设值为毫秒,导致时间戳不正确。
- 新格式支持:新增了对 VobSub 字幕的支持。
- 问题修复:
- 修复了包含带CEA-608或CEA-708字幕的剪辑项时播放可能挂起的问题
- 解决了SSA文件包含零持续时间字幕时可能出现的非法状态异常
- 改进了字幕与音视频混流时的错误处理,现在会抑制并记录解析错误
混流器(Muxer)API变更
- 重命名了 Mp4Muxer.Builder 和 FragmentedMp4Muxer.Builder 中的 setSampleCopyEnabled() 方法为 setSampleCopyingEnabled()。
- Mp4Muxer.addTrack() 和 FragmentedMp4Muxer.addTrack() 现在返回 int 类型的轨道ID而非 TrackToken。
- Mp4Muxer 和 FragmentedMp4Muxer 不再实现 Muxer 接口。
其他重要更新
- Session 修复:解决了在连接到传统会话的 MediaController 上调用 Player 方法时可能丢弃待处理更新的问题。
- UI 组件:media3-ui-compose 新增了 PresentationState 状态持有类及相应的 rememberPresentationState Composable。
- HLS 扩展:新增了对 HLS 播放列表中 SUPPLEMENTAL-CODECS 标签的解析,以检测 Dolby Vision 格式。
- DASH 扩展:
- 修复了多时段直播流中广告插入更新间隔计算的问题
- 新增了对 DASH 清单中 scte214:supplementalCodecs 属性的解析以检测 Dolby Vision 格式
- 改进了包含超出声明时段持续时间的媒体样本的直播流时段转换处理
废弃API移除
移除了以下已废弃的组件:
- ExoPlayer.VideoComponent
- ExoPlayer.AudioComponent
- ExoPlayer.TextComponent
- ExoPlayer.DeviceComponent
本次更新为 AndroidX Media3 带来了多项性能优化和新功能支持,特别是在视频预处理、Dolby Vision 支持和字幕处理方面有显著改进,为开发者构建高质量媒体应用提供了更强大的工具集。
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-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
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