Material Maker 1.4a3版本发布:3D预览革新与功能优化
项目简介
Material Maker是一款开源的基于节点的材质创作工具,它允许艺术家和开发者通过可视化节点编辑的方式快速创建复杂的PBR材质。该工具采用Godot引擎开发,支持跨平台运行,并提供了丰富的节点库和实时预览功能。
3D预览面板全面革新
本次1.4a3版本最显著的改进是对3D预览面板的完全重新设计。新版预览面板提供了更加直观和专业的材质展示方式,使艺术家能够更准确地评估材质在不同光照条件下的表现。这一改进由贡献者Jowan-Spooner完成,体现了社区驱动的开发模式的优势。
用户体验优化
Material Maker 1.4a3在用户体验方面做了多项改进:
-
创建库对话框更新:NotArme贡献了全新的创建库对话框设计,使材质库管理更加直观和高效。
-
材质上传功能增强:现在用户在上传材质时可以自主选择预览图像,这大大提升了材质库的展示效果。
-
相机控制统一:所有3D视图中的相机操作现在保持一致性,减少了用户在不同视图间切换时的学习成本。
节点系统改进
节点是Material Maker的核心功能,1.4a3版本对节点系统做了多项优化:
-
节点命名规范化:默认节点库中的节点名称现在更加统一和规范,这有助于用户更快地找到所需节点。
-
Wavelet节点修复:该节点现在能够正确循环,解决了之前版本中可能出现的接缝问题。
-
Pixelize节点增强:新增了对Bayer矩阵抖动的支持,为像素化效果提供了更多艺术可能性。
-
日本字形节点改进:斜面范围现在已标准化,使参数调整更加直观。
技术底层升级
-
基于Godot 4.4:Material Maker现在基于最新的Godot 4.4引擎构建,这带来了性能提升和更好的稳定性。
-
着色器生成修复:解决了多个着色器生成相关的问题,提高了材质输出的准确性。
-
图像导出改进:修复了灰度图像和透明图像的导出问题,确保输出结果与预览一致。
跨平台优化
-
MacOS界面优化:改进了MacOS磁盘映像的背景设计,提升了安装体验。
-
高DPI屏幕适配:修复了在高DPI屏幕上窗口缩放的问题,使界面元素显示更加清晰。
-
Linux和Windows打包:提供了优化的Linux和Windows版本打包,确保在不同平台上的稳定运行。
总结
Material Maker 1.4a3版本通过3D预览面板的重构、用户体验的优化和节点系统的改进,为数字内容创作者提供了更加强大和易用的材质创作工具。这些改进不仅提升了工作效率,也为艺术表达开辟了新的可能性。随着Godot 4.4引擎的采用和跨平台优化的持续进行,Material Maker正逐步成为开源材质创作工具中的佼佼者。
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