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。
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