PrusaSlicer 2.9.2-rc1版本发布:STEP文件导入优化与多项修复
PrusaSlicer是一款广受欢迎的开源3D打印切片软件,由Prusa Research公司开发维护。作为3D打印工作流程中的关键环节,PrusaSlicer负责将3D模型转换为打印机可执行的G-code指令。最新发布的2.9.2-rc1版本作为2.9.2的第一个候选版本,主要针对2.9.1版本中发现的问题进行了修复,并引入了一些功能改进。
STEP文件导入功能增强
在3D打印领域,STEP文件是一种常见的CAD模型交换格式。PrusaSlicer需要将这些精确的几何描述转换为三角网格才能进行后续处理。2.9.2-rc1版本对此进行了重要改进:
-
新增导入对话框:现在导入STEP文件时会显示一个配置对话框,允许用户选择三角化的精度级别。这个功能解决了之前版本中使用固定默认值的问题。
-
记忆用户选择:通过"记住我的选择"复选框,软件可以保存用户最后一次的选择设置,避免重复配置。
-
灵活配置:即使在选择了记忆选项后,用户仍可通过"偏好设置->其他"重新启用这个对话框,提供了充分的灵活性。
这项改进让用户能够在处理精度和性能之间找到最佳平衡点,特别是对于复杂CAD模型的处理尤为有用。
关键问题修复
2.9.2-rc1版本修复了多个影响用户体验和打印质量的问题:
SLA支撑生成相关
- 修复了新SLA支撑点生成器中的崩溃问题
- 解决了新SLA支撑点生成器可能导致的软件冻结问题
接缝处理
- 修复了在某些情况下完全不生成Scarf接缝的问题。Scarf接缝是一种特殊的接缝处理技术,能够使接缝处更加平滑,这个修复确保了接缝生成的可靠性。
顺序排列功能
顺序排列是PrusaSlicer中一项重要功能,它确保打印头不会碰撞已打印的物体。本次修复了多个相关问题:
- 修复了两类导致打印头可能碰撞已打印物体的情况
- 修复了顺序排列算法在存在多个模型实例时的崩溃问题
- 针对XL和CORE ONE打印机优化了输入数据
- 提高了MK4S的顺序排列精度,避免过于保守的排列
- 解决了顺序排列测试中的容差问题,减少了对有效位置的不必要拒绝
其他重要修复
- 修复了加载无效STL文件时的崩溃问题(一个存在已久的问题)
- 修正了平行对齐圆之间距离的测量问题
- 解决了仅包含配置不含几何体的3MF文件被错误拒绝的问题
国际化支持
PrusaSlicer一直重视多语言支持,本次更新:
- 更新了翻译模板文件(POT)
- 更新了捷克语(CS)、波兰语(PL)、德语(DE)、意大利语(IT)、西班牙语(ES)、法语(FR)和日语(JA)的词典
技术意义与用户影响
从技术角度看,2.9.2-rc1版本的改进主要集中在三个方面:CAD文件处理能力的提升、核心算法稳定性的增强以及用户体验的优化。STEP文件导入的改进特别值得关注,因为它直接影响到工程级3D打印的质量和效率。
对于普通用户而言,这些修复意味着更稳定的打印体验和更少的中途失败。特别是顺序排列功能的完善,将有效降低打印过程中发生碰撞的风险,这对于长时间的多对象打印尤为重要。
PrusaSlicer团队通过这种持续迭代的方式,不断优化软件性能,体现了开源项目响应社区反馈的敏捷性。候选版本的发布也遵循了稳健的软件开发流程,确保最终稳定版的质量。
对于3D打印爱好者来说,及时了解这些更新内容有助于充分利用软件功能,获得更好的打印效果。建议用户在测试环境中验证这个候选版本,特别是那些依赖STEP文件导入或顺序打印功能的用户。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00