Kometa项目中的内容分级映射问题分析与修正
背景介绍
Kometa是一个媒体管理工具,其中包含了对不同国家和地区内容分级系统的映射功能。在项目的默认配置文件中,存在一些关于英国、澳大利亚和美国电影内容分级映射的不准确问题,特别是涉及特定内容分级的部分。
英国内容分级问题
在英国电影分级体系中,BBFC(英国电影分级委员会)的R18分级是一个特殊的存在。它专门用于只能在特许特定商店销售的DVD和蓝光内容,相当于严格限制的特定类型影片分级。而当前Kometa的配置文件中错误地将美国MPAA的NC-17分级映射到了英国的R18分级。
实际上,美国NC-17分级(17岁以下禁止观看)应该对应英国的标准18分级(18岁以下禁止观看),这是英国影院上映电影的最高常规分级。R18分级则应该保留给真正属于特定内容的影片。
历史分级的处理
配置文件中还包含了一个"gb/X"的历史分级映射。X分级在英国历史上确实存在过(1951-1982年),最初是16岁限制,1970年后改为18岁限制。这个历史分级也应该映射到现代的18分级,而不是R18分级。
澳大利亚内容分级调整
在澳大利亚的内容分级配置中,同样存在英国R18分级的映射问题。当前配置将"gb/R18"映射到了澳大利亚的"r"分级,但实际上应该映射到"x"分级,因为澳大利亚的x分级才是专门针对特定内容的。
美国电影分级考量
对于美国电影分级配置,需要考虑如何正确处理英国R18分级。虽然当前配置将"gb/R18"映射到NC-17分级基本合理,但从严格意义上讲,R18分级的特定内容性质更强,可能需要更谨慎的处理方式。
解决方案
经过分析,项目维护者对相关配置文件进行了以下修正:
-
英国内容分级配置:
- 将NC-17映射到18分级
- 将历史X分级也映射到18分级
- 保持R18分级专门用于真正的特定内容
-
澳大利亚内容分级配置:
- 将gb/R18和R18映射到x分级
-
美国电影分级配置:
- 保留gb/R18到NC-17的映射,但明确其特殊性质
这些修改确保了各国内容分级系统之间的映射更加准确合理,特别是对特定内容分级的特殊处理。对于媒体管理工具来说,准确的内容分级映射对于家长控制、内容过滤等功能至关重要。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00