Shaka Player 4.11.18版本发布:媒体播放引擎的重要优化与修复
Shaka Player是由Google开发的一个开源JavaScript媒体播放器库,主要用于在Web浏览器中播放自适应流媒体内容。它支持多种流媒体协议,包括DASH、HLS等,并提供了丰富的功能和API供开发者使用。本次发布的4.11.18版本主要针对播放器的核心功能进行了多项优化和错误修复。
媒体源扩展(MSE)相关改进
在4.11.18版本中,开发团队对媒体源扩展(Media Source Extensions)的处理逻辑进行了优化。当处理混合(muxed)内容时,播放器现在会避免不必要的MSE重置操作,这有助于提升播放的流畅性和性能表现。同时,修复了当MediaSource的readyState状态不是open时调用init方法的问题,现在会正确地重新打开MediaSource,确保播放器能够正常初始化。
传输流(TS)处理优化
对于HLS传输流(TS)内容的处理,本次更新做了多处改进。首先修正了在只有视频或音频的VOD内容中使用EXT-X-PROGRAM-DATE-TIME的问题,避免了不必要的时间戳处理。其次,修复了在段(segments)模式下原始格式(raw formats)的时间戳偏移问题,确保音视频同步更加准确。此外,还解决了TS媒体播放列表中禁用音频/视频的正确处理逻辑。
字幕与文本显示改进
在字幕支持方面,修复了WebVTT字幕文件识别的问题,特别是针对使用cmft扩展名的字幕文件。对于文本显示组件,移除了UITextDisplayer中不必要的弃用警告,并在SimpleTextDisplayer中添加了额外的保护措施,增强了文本显示的稳定性。
加密与DRM相关修复
在数字版权管理方面,本次更新修复了ClearKey许可证在旧版内容解密模块(CDM)上的兼容性问题。同时改进了许可证服务器选择逻辑,现在当配置中存在其他密钥系统的许可证服务器时,不会忽略清单(manifest)中指定的许可证服务器,确保了DRM系统的正确工作流程。
播放控制与用户体验
在播放控制方面,修复了播放速率相关的两个问题:现在允许用户选择1x播放速率,即使默认播放速率不是1x;同时解决了选择播放速率时视频自动开始播放的问题。此外,还改进了对播放范围(playRange)配置的遵循程度,确保在使用src=属性时也能正确应用配置的播放范围。
离线存储支持扩展
本次更新扩展了离线存储功能,现在支持存储MSS(Microsoft Smooth Streaming)流媒体内容,为开发者提供了更广泛的离线播放场景支持。
性能优化
在性能方面,减少了不必要的isTypeSupported调用,优化了代码执行效率。同时修复了传输器(transmuxer)在处理PES包之间溢出数据(视频NAL单元和AAC样本)时的问题,提高了媒体处理的稳定性。
Shaka Player 4.11.18版本通过这些细致的优化和修复,进一步提升了播放器的稳定性、兼容性和用户体验,为开发者构建高质量的流媒体应用提供了更加强大的基础。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00