Pi-Apps项目为Ubuntu系统添加WideVine支持的技术解析
在Pi-Apps项目中,开发者们近期针对Ubuntu系统上的Chromium浏览器无法播放DRM保护内容的问题进行了深入研究和解决方案开发。本文将详细解析这一技术实现过程及其背后的原理。
WideVine是Google开发的一种数字版权管理(DRM)技术,广泛应用于Netflix等流媒体平台。在Raspberry Pi OS中,Chromium浏览器原生支持WideVine,但在Ubuntu系统上,这一功能却存在诸多限制。
Ubuntu系统通过Snap包管理器提供的Chromium浏览器存在一个关键问题:它依赖于core22基础环境,该环境仅支持GLIBC 2.35版本。而当前可用的ARM64架构WideVine组件需要GLIBC 2.36或更高版本才能正常运行。这种版本不兼容导致Ubuntu用户无法在Chromium中播放DRM保护的内容。
技术团队探索了多种解决方案路径:
-
Flatpak方案:Chromium的Flatpak版本同样面临GLIBC版本限制问题,因为它使用了freedesktop-sdk 22.08环境。虽然已有计划升级到23.08版本以解决此问题,但这一方案仍需等待。
-
Snap方案:Ubuntu官方Chromium Snap包短期内难以升级基础环境,预计要等到Ubuntu 24.04发布后才可能解决。
-
Raspberry Pi OS方案:最终技术团队决定采用Raspberry Pi OS的Chromium浏览器包及其配套的libwidevinecdm0库。这一方案经过验证可以完美支持WideVine功能。
实现过程中,技术团队解决了几个关键问题:
- 解决了Raspberry Pi OS软件源与Ubuntu系统的兼容性问题
- 开发了自动化的软件包安装和配置流程
- 设计了用户友好的安装选项界面
- 处理了与原有Snap版Chromium的共存问题
最终的解决方案通过Pi-Apps的"Better Chromium"应用实现。安装时会提供明确的选择:
- 安装PiOS版Chromium(性能更好且支持WideVine),并自动移除Snap版本
- 保留原有Snap版Chromium,但不启用WideVine支持
这一技术改进不仅解决了WideVine支持问题,还提升了Chromium在Ubuntu系统上的整体性能表现。对于Raspberry Pi用户而言,现在可以在Ubuntu系统上获得与Raspberry Pi OS相同的流媒体播放体验。
技术团队还考虑了未来维护的便利性,包括软件包更新策略和用户配置迁移方案,确保这一解决方案的长期可持续性。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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