Blockbench 4.12.3版本更新解析:建模工具的功能优化与问题修复
Blockbench是一款功能强大的3D建模工具,特别适合用于创建Minecraft相关的模型和资源包。它提供了直观的界面和丰富的功能,使3D建模对新手和专业人士都更加容易上手。最新发布的4.12.3版本带来了一系列功能改进和错误修复,进一步提升了用户体验。
新增功能与改进
本次更新中,Blockbench为"Creaking"皮肤添加了预设选项,方便用户快速应用这一特定风格的皮肤。在向量输入处理方面,当启用链接比例时,现在会基于当前数值更新比例,这一改进使得比例调整更加直观和高效。
用户界面方面也有多处优化:顶点捕捉工具的"Ignore Axis"选项被整合为单行显示,节省了界面空间;占位变量按钮列表的高度现在受到限制,防止过长列表影响界面布局;此外,V3_set函数现在支持three.js向量作为参数,为开发者提供了更多灵活性。
建模功能修复
在建模核心功能方面,4.12.3版本修复了多个重要问题。边环挤压时新面方向不正确的问题已解决,同时修正了边挤压时修正编辑功能失效的情况。镜像建模后选择无效的问题也得到了修复,确保了建模流程的顺畅。
对于Bedrock版几何体,现在会忽略带有面旋转值的立方体UV方块,从而更准确地确定格式版本。网格线框有时不更新的问题(#1334)已修复,保证了视觉反馈的实时性。此外,极小数值在精简版bbmodel中未正确舍入的问题(#2665)也得到了解决。
材质与纹理处理
材质系统方面,修复了自定义格式中每组纹理未被保存的问题。当在每组纹理格式中将立方体移动到组中时,纹理现在会正确更新。材质实例在面属性编辑器中现在会正确应用到所有选定的立方体上,提高了批量编辑的效率。
选择与编辑优化
选择系统得到了多项改进:修复了在轮廓线中拖动多个组可能导致递归结构的问题(#2661);解决了选择已删除元素后撤销操作可能导致的无效状态问题;改进了编辑会话中的选择同步,确保操作一致性。
参考图像的最小尺寸现在会随缩放级别调整,提供了更好的视觉参考。当选择包含无效状态的集合时可能锁定界面的问题(#2644)已修复,增强了软件的稳定性。
跨平台兼容性
针对不同平台的兼容性问题,修复了在某些Android设备上bbmodels保存为.bbmodel.txt的问题。工具配置API现在与类型匹配,提高了代码的健壮性。默认操作在某些情况下无法从工具栏移除的问题(#1851)也得到了解决。
总结
Blockbench 4.12.3版本通过一系列功能优化和问题修复,进一步提升了3D建模体验。从核心建模功能到用户界面细节,再到跨平台兼容性,这次更新全面提升了软件的稳定性和易用性。无论是专业建模师还是Minecraft爱好者,都能从这个版本中获得更流畅、更可靠的建模体验。
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