Zigbee-herdsman-converters v23.3.0版本发布:新增设备支持与功能优化
Zigbee-herdsman-converters是一个开源的Zigbee设备转换器项目,主要用于将不同厂商的Zigbee设备协议转换为统一的格式,方便智能家居系统集成。该项目在Zigbee生态系统中扮演着重要角色,为众多智能家居平台提供了广泛的设备兼容性支持。
新增设备支持
本次v23.3.0版本带来了多款新设备的支持,进一步扩展了项目的兼容性范围:
-
1871154设备:新增了对这款设备的支持,为用户提供了更多选择。
-
500.43设备:该设备现已加入支持列表,丰富了项目覆盖的设备类型。
-
A9Z设备:这款新设备的加入,使得项目支持的设备种类更加多样化。
-
Fire Fence设备:新增支持这款特殊用途的Zigbee设备,扩展了项目在安防领域的应用场景。
-
ZS05设备:这款设备的加入进一步增强了项目在特定设备领域的兼容性。
功能增强与优化
除了新增设备支持外,本次更新还包含了一些重要的功能增强:
-
SONOFF SNZB-02D OTA支持:现在支持通过OTA(Over-The-Air)方式为SONOFF SNZB-02D设备进行固件更新,这大大提升了设备维护的便利性。
-
SONOFF TRVZB温度精度设置:为SONOFF TRVZB设备增加了温度精度设置功能,用户可以更精确地控制设备的温度测量精度。
问题修复与改进
本次版本更新还修复了多个已知问题,提升了系统的稳定性和用户体验:
-
Aqara SJCGQ11LM配对状态读取:修复了配对时状态读取的问题,确保设备能够正确初始化。
-
设备识别改进:优化了对特定设备的识别机制,特别是对FLS-PP3 White设备的识别,现在能够正确识别为Dresden Elektronik Mega23M12。
-
Eurotronic COZB0001日期代码更新:添加了新的日期代码支持,确保设备能够被正确识别和使用。
-
Moes ZHT-SR传感器选择与背光开关:修复了传感器选择和背光开关功能的问题,提升了设备的使用体验。
-
Nous设备命名修正:将D2Z更名为DZ,统一了设备命名规范。
-
Tuya TS0601_smart_air_house_keeper PM2.5值过滤:优化了对PM2.5异常值的过滤机制,确保数据更加准确可靠。
-
Tuya TS0601_thermostat_4本地温度校准精度:修复了本地温度校准精度的问题,提升了温度控制的准确性。
总结
Zigbee-herdsman-converters v23.3.0版本通过新增多款设备支持、增强现有功能以及修复多个问题,进一步提升了项目的实用性和稳定性。这些改进不仅丰富了Zigbee设备的兼容性,也为用户提供了更加流畅和可靠的使用体验。对于智能家居爱好者和系统集成商来说,这次更新无疑是一个值得升级的版本。
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