MapTool 1.18.0 RC1发布:虚拟桌面游戏工具的重大更新
MapTool是一款开源的虚拟桌面游戏工具,专为角色扮演游戏(RPG)玩家和游戏主持人设计。它具备丰富的功能来创建游戏场景、管理角色和物品、处理游戏规则等,是远程桌面游戏玩家的理想选择。最新发布的1.18.0 RC1(Release Candidate 1)版本带来了多项重要改进和新功能。
核心功能增强
本次更新在表格处理方面进行了显著增强,新增了MTScript获取表格条目的功能。这一改进使得游戏主持人能够更灵活地管理和调用游戏中的各种表格数据,如随机事件表、战利品表等,大大提升了游戏准备的效率。
在视觉效果方面,1.18.0 RC1改进了光晕渲染系统,现在能够正确显示网格形状的光晕效果。同时,更新还保留了用户自定义的光照、视野和光环顺序,确保游戏场景的视觉效果更加符合主持人和玩家的预期。
用户体验优化
字体设置方面有了重要改进,现在可以在FlatLaf界面主题加载前预先设置首选字体。这一改变解决了长期以来字体显示不一致的问题,让界面显示更加符合用户偏好。
对于开发者而言,本次更新隐藏了LibGDX按钮,除非开发者明确在偏好设置中启用。这一调整使得普通用户界面更加简洁,同时保留了高级用户需要的功能。
性能与稳定性提升
渲染性能方面,修复了ZoneRenderer.getTokenBounds()方法的问题,优化了令牌边界计算。同时实现了LibGDX渲染器中的环境光照效果,使游戏场景的光照表现更加真实。
错误处理机制得到加强,现在能够捕获并记录启动过程中的所有错误,为问题诊断提供了更全面的日志信息。截图功能也进行了修复,解决了边界相关问题。
安全与维护更新
安全方面,修复了文件提取工具中的Zip Slip漏洞,提升了系统的安全性。同时更新了多个关键依赖库,包括将upnplib升级到1.2.0版本,json-smart库更新,移除了不再需要的io.grpc:grpc-protobuf依赖,并将Sentry错误报告系统从1.7.29升级到7.22.5。
密码算法方面也进行了更新,使用了更现代的加密标准。这些更新不仅提升了安全性,也为未来的功能扩展奠定了基础。
多平台支持
1.18.0 RC1版本继续提供全面的多平台支持,包括Windows、Linux和macOS系统。针对不同平台提供了专门的安装包格式:
Windows用户可以选择.exe或.msi安装程序,也可以使用.zip压缩包进行便携式安装。需要注意的是,使用安装程序会自动卸载旧版本,而zip包则支持多版本并存。
Linux用户需要注意,Ubuntu系统需要24.04或更新版本才能满足依赖要求。提供了.deb、.rpm等多种包格式,以及通用的.zip压缩包。
macOS用户可以使用.pkg或.dmg安装包。首次运行时需要按住Control键点击图标并选择"打开"来绕过Gatekeeper的安全限制。
开发者注意事项
对于高级用户,仍然提供了原始的.jar文件,但需要自行安装Java和JavaFX环境。所有用户都应该注意,安装新版本前最好备份旧版本的配置和战役文件,特别是从1.16.0或更早版本升级时。
这个候选发布版本标志着MapTool 1.18.0正式版即将到来,它带来了诸多改进和新功能,特别是在表格处理、渲染效果和安全性方面。游戏主持人和玩家可以期待一个更稳定、功能更丰富的虚拟桌面游戏体验。
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