SkiaSharp 3.119.0预览版发布:跨平台2D图形库迎来多项增强
SkiaSharp是Google Skia图形库的.NET跨平台绑定,它为开发者提供了强大的2D图形渲染能力,支持Windows、macOS、Linux、iOS、Android等多个平台。最新发布的3.119.0预览版带来了多项重要更新和功能增强,进一步扩展了其跨平台能力和图形处理功能。
跨平台支持全面升级
本次更新显著增强了SkiaSharp的跨平台支持能力。首先,新增了对tvOS平台上SKMetalView的支持,使开发者能够在Apple TV设备上利用Metal API进行高性能图形渲染。同时,针对iOS模拟器的Metal性能问题进行了优化,提升了开发调试体验。
在Linux平台方面,新增了对riscv64和LoongArch64架构的支持,并扩展了clang-cross工具链以更好地支持Alpine Linux系统。这些改进使得SkiaSharp能够在更多样化的硬件环境和Linux发行版上运行。
特别值得一提的是Windows ARM平台的增强,现在该平台已启用GL支持,同时修复了ARM机器上的本地构建目标问题。此外,Windows平台现在还可以编译支持Direct3D的Skia,为Windows开发者提供了更多图形API选择。
图形功能增强
SkiaSharp 3.119.0预览版基于Skia里程碑119版本构建,带来了底层图形引擎的更新。新增了多种之前缺失的SKColorFilter类型,丰富了图像处理能力。同时实现了SkCanvas::SaveLayerRec功能,为图层操作提供了更精细的控制。
在图形API支持方面,除了前面提到的Metal和Direct3D增强外,还更新了Vulkan内存分配器至3.2.1版本,提升了Vulkan后端的内存管理效率。
构建系统优化
本次更新对构建系统进行了多项改进,包括:
- 更新Android NDK至r27c版本并调整内存对齐为16kb
- 减少了未使用的依赖项,简化了构建过程
- 修复了.NET工具初始运行时可能出现的挂起问题
- 优化了依赖项下载机制
- 解决了.NET Framework/Mono项目在使用packages.config时的兼容性问题
此外,还更新了libpng至1.6.44版本,修复了已知的安全问题(CVE-2024-30105),增强了库的安全性。
平台特定优化
针对不同平台,本次更新进行了多项针对性优化:
- 排除了永远不会在Apple平台上运行的代码,减少了不必要的代码体积
- 为tvOS设置了正确的构建目标
- 修复了Linux测试问题,增强了Linux平台的支持
- 增加了对更多Linux发行版和架构的支持
这些改进使得SkiaSharp在各个平台上的运行更加稳定高效,为开发者提供了更好的开发体验。
总结
SkiaSharp 3.119.0预览版通过多项功能增强和平台扩展,进一步巩固了其作为.NET生态中强大2D图形库的地位。从新增的图形处理功能到跨平台支持的扩展,再到构建系统的优化,这一版本为开发者带来了更丰富、更稳定的图形编程能力。随着SkiaSharp持续发展,它将继续为.NET开发者提供跨平台的高性能图形解决方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07