EEZ Studio v0.23.0版本发布:LVGL组件与功能增强
EEZ Studio是一款开源的嵌入式系统开发工具,专注于为嵌入式设备提供可视化界面设计和开发环境。最新发布的v0.23.0版本带来了多项针对LVGL(Light and Versatile Graphics Library)组件的功能增强和问题修复,显著提升了开发体验和运行效率。
核心功能更新
LVGL组件功能增强
-
图像选择器升级:新版改进了图像选择器的实现方式,使开发者能够更高效地管理和选择项目中的图像资源。
-
颜色轮控件改进:新增了对"Knob recolor"选项的支持,允许开发者自定义颜色轮控件的旋钮颜色,增强了UI设计的灵活性。
-
文本区域样式支持:完善了TextArea组件的样式部分支持,现在可以更精细地控制文本区域各个部分的显示效果。
-
下拉菜单方向指示:修复了下拉菜单方向指示箭头的显示问题,现在四个方向设置都能正确显示对应的指示箭头。
-
滑块范围设置:新增了滑块控件的范围设置功能,开发者可以更灵活地定义滑块的最小值和最大值。
-
标签滚动速度:为Label组件增加了滚动速度控制选项,可以根据实际需求调整文本滚动的速度。
性能优化与问题修复
-
LED组件优化:解决了LED组件持续更新导致性能下降的问题,现在只有当关联变量发生变化时才会更新显示。
-
字体创建改进:修复了字体创建过程中符号映射范围不生效的问题,确保特殊字符能够正确显示。
-
TabView控件修复:解决了TabView控件的多个显示和功能问题,提升了标签页切换的稳定性和用户体验。
-
动画图像批量选择:为AnimationImage组件增加了批量选择图像的功能,简化了动画序列的创建过程。
开发体验提升
-
异步原生用户动作支持:新增了对异步原生用户动作的支持,使开发者能够实现更复杂的交互逻辑。
-
字体和图像使用方式选择:提供了更多关于字体和图像使用方式的配置选项,开发者可以根据项目需求选择最合适的资源加载策略。
-
屏幕加载逻辑改进:移除了ui.c中硬编码的屏幕加载逻辑,使屏幕切换更加灵活和可配置。
-
Flow支持关闭时的兼容性:修复了当Flow支持关闭时在screens.c中出现的错误,提高了系统的稳定性。
跨平台支持
本次更新还解决了Linux平台下AppImage无法找到Koffi模块的问题,并提供了完整的跨平台安装包支持,包括Windows、macOS(包括ARM64架构)和Linux(.deb/.rpm)等主流操作系统。
EEZ Studio v0.23.0版本的这些改进使嵌入式UI开发更加高效和灵活,特别是对于使用LVGL库的项目,开发者现在可以创建更丰富、响应更快的用户界面,同时享受更稳定的开发体验。
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