Streamlink 7.2.0版本发布:流媒体下载工具的重大更新
Streamlink是一款强大的命令行工具,它能够从各种流媒体平台提取视频流,并将其转换为可通过播放器直接观看的格式。该项目的最新版本7.2.0带来了一系列功能改进和问题修复,进一步提升了用户体验和稳定性。
核心功能增强
本次更新对Streamlink的几个核心功能进行了重要改进:
-
依赖管理优化:新增了
decompress额外标记,明确区分了brotli和zstandard这两个解压缩依赖项。这两个库之前是通过urllib3间接引入的,现在被明确标记为可选依赖,使依赖关系更加清晰。 -
重试机制改进:
--retry-streams参数现在支持设置为0,这意味着用户可以取消之前设置的任何重试次数限制,为流媒体连接问题提供了更灵活的解决方案。 -
输出控制增强:
--quiet参数的行为得到了扩展,现在它不仅会抑制日志输出,还会抑制所有文本输出(包括错误信息),这对于完全静默的操作场景非常有用。
用户体验优化
7.2.0版本在用户体验方面做出了多项改进:
-
日志文件处理:修复了
--logfile参数影响控制台输出流的问题,确保日志记录不会干扰正常的控制台输出。 -
交互式输入:改进了用户输入提示在非交互式环境或缺少输入输出流时的行为,使工具在各种环境下都能稳定运行。
-
语言选择:修复了
--hls-audio-select参数的大小写敏感性问题,并改进了语言代码的解析和比较逻辑,使音频轨道选择更加准确可靠。
插件系统更新
Streamlink的插件系统在本版本中也得到了多项改进:
-
插件匹配强化:确保所有插件类都必须有匹配的匹配器,提高了插件系统的稳定性和一致性。
-
特定插件改进:
- euronews插件完全重写并修复了已知问题
- kick插件进行了重构,修复了剪辑匹配器和403 API响应问题
- nicolive插件现在能正确从WebSocket消息加载cookies,并始终过滤掉空白的HLS片段
- okru插件现在能规范化移动端URL
- tf1插件修复了流匹配器问题
-
插件移除:nowtvtr插件因不再需要而被移除。
技术细节更新
-
Chrome DevTools协议:更新了与Chromium最新版本匹配的Chrome DevTools协议接口,确保与最新浏览器版本的兼容性。
-
代码质量工具:多次更新了ruff工具版本(0.9.7→0.9.9→0.11.0→0.11.2),持续改进代码质量和一致性。
总结
Streamlink 7.2.0版本通过一系列功能增强和问题修复,进一步巩固了其作为流媒体下载工具的领先地位。从依赖管理的明确化到用户体验的优化,再到插件系统的改进,这次更新体现了开发团队对产品质量和用户体验的持续关注。对于需要从各种流媒体平台获取内容的用户来说,升级到7.2.0版本将带来更稳定、更灵活的体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00