Readarr 0.4.11.2747版本发布:增强连接功能与搜索体验优化
Readarr是一款开源的电子书管理工具,专为整理和自动化获取电子书而设计。作为Sonarr的电子书版本,它能够帮助用户高效管理个人电子书库,自动搜索和下载缺失的书籍,并保持现有书籍的更新。本次发布的0.4.11.2747版本带来了一系列功能增强和问题修复,特别是在连接设置和搜索体验方面有了显著改进。
核心功能更新
连接绕过功能增强
新版本引入了IP地址范围绕过功能,允许用户配置特定的IP地址范围,使这些地址不通过中间服务器进行连接。这一功能特别适合在企业内网或特定网络环境下使用,可以避免不必要的连接流量,提高连接效率。
实现原理上,系统会检查请求的目标IP是否在用户配置的绕过列表中。如果是,则直接建立连接而不经过中间服务器。开发者还优化了连接绕过列表的处理逻辑,现在会自动去除配置中的空格和空值,确保配置的准确性和可靠性。
搜索功能改进
在"Wanted"(需求)页面新增了"Last Searched"(最后搜索时间)列,这一改进让用户可以清晰地看到每本书籍最后一次被自动搜索的时间。这对于监控自动搜索系统的运行状态非常有帮助,用户可以直观了解哪些书籍正在被定期搜索,以及搜索的频率是否符合预期。
技术优化与问题修复
文件列表下载链接修复
修复了FileList索引器在passkey包含空格时生成错误下载链接的问题。现在系统能够正确处理包含空格的passkey,确保生成的下载链接有效。这一修复涉及URL编码处理的改进,确保特殊字符能够被正确转义。
Node.js版本升级
将内置的Node.js运行时升级至20.11.1版本。这一升级带来了性能改进、安全补丁和最新的JavaScript特性支持。对于开发者而言,这意味着可以享受更稳定的运行环境和更丰富的API支持。
多语言支持更新
本次更新包含了多个语言翻译的改进,通过Weblate平台完成了翻译同步。这些翻译更新涵盖了用户界面的各个部分,使非英语用户能够获得更准确、更地道的使用体验。
安装与升级说明
对于非Docker用户,建议将更新分支切换至"develop"以接收后续预发布更新。这一设置可以在"设置->通用(显示高级设置)->更新->分支"中完成。
Docker用户需要特别注意:必须更新容器镜像,而不是尝试在现有容器内更新Readarr。这是因为Docker容器的隔离特性决定了更新必须在新的镜像中完成。
总结
Readarr 0.4.11.2747版本通过增强连接功能和改进搜索体验,进一步提升了电子书管理的自动化水平和用户体验。特别是连接绕过功能的加入,为复杂网络环境下的用户提供了更灵活的配置选项。这些改进展示了开发团队对用户需求的持续关注和对产品质量的不懈追求。
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