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。
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