UniversalMediaServer 14.10.0版本发布:全面增强设备兼容性与功能稳定性
UniversalMediaServer(简称UMS)是一款开源的DLNA/UPnP媒体服务器软件,它能够将电脑中的多媒体内容流式传输到各种支持DLNA/UPnP协议的设备上,如智能电视、娱乐设备、蓝光播放器等。作为一款跨平台解决方案,UMS支持Windows、macOS和Linux系统,为用户提供了便捷的家庭媒体共享体验。
核心功能改进
14.10.0版本在设备兼容性方面取得了显著进展,特别是对三星系列设备的支持得到了大幅扩展。开发团队新增了对多款三星智能电视、蓝光播放器和家庭影院系统的检测支持,包括但不限于:
- 三星D6400系列电视(欧洲和北美版本)
- 三星ES6100/ES6595系列电视(亚洲和北美版本)
- 三星J55xx系列电视(亚洲和北美版本)
- 三星2018 QLED电视(Q6、Q7和Q8系列)
- 三星2019及以后推出的各类电视型号
在音频支持方面,新版本特别为LG电视增加了AAC(main)格式的流媒体传输支持,进一步丰富了LG电视用户的音频体验。同时,对Yamaha RN500设备的支持也得到了扩展,这要归功于社区贡献者jps92的工作。
平台兼容性优化
针对Windows平台,14.10.0版本重新引入了64位安装程序,并修复了x86_64架构下的各种安装问题。特别值得一提的是,开发团队解决了Windows系统中长文件路径(超过255个字符)的支持问题,这一改进对于拥有复杂目录结构的用户尤为重要。
在跨平台支持方面,新版本继续提供针对不同架构的Linux版本,包括arm64、armel、armhf、x86和x86_64等。macOS用户则可以根据自己的系统版本选择适合的安装包,包括原生支持Apple Silicon的ARM版本和传统x86_64版本。
用户体验提升
14.10.0版本在用户界面和交互体验方面也做了多项改进:
- 任务栏工具提示现在会显示用户自定义的服务器名称,便于识别
- 修复了自14.6.0版本以来外部字幕无法正常工作的问题
- 解决了YouTube频道和视频支持的问题
- 优化了网页设置界面的API配置保存功能
- 改进了渲染器选择和密钥设置的用户体验
技术架构升级
在底层技术方面,14.10.0版本更新了多个关键依赖:
- FFmpeg升级至2025年1月3日的夜间构建版本
- MediaInfo从24.06升级至24.12
- youtube-dl从2024.8.7升级至2025.1.1
- 日志组件logback升级至1.5.16版本
这些依赖的更新不仅带来了性能提升,也修复了已知的安全问题,增强了系统的稳定性和安全性。
国际化支持
在本地化方面,法语翻译已达到100%完成度,西班牙语翻译也完成了66%。这要感谢Fredo1650和MarcosHO等社区贡献者的辛勤工作。
未来展望
开发团队已经着手开始v15版本的开发工作,预计不久后将会有预发布版本供用户体验和测试。从14.10.0版本的改进方向来看,未来的开发重点可能会继续放在设备兼容性扩展、性能优化和用户体验提升上。
总的来说,UniversalMediaServer 14.10.0版本在设备支持、平台兼容性和用户体验等方面都做出了显著改进,是一款值得升级的稳定版本。无论是家庭用户还是技术爱好者,都能从这个版本中获得更加流畅和可靠的媒体共享体验。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00