Triplex项目v0.70.39版本发布:增强XR支持与组件优化
Triplex是一个专注于3D场景编辑和开发的现代化工具,它基于React Three Fiber技术栈构建,为开发者提供了便捷的3D场景编辑能力。最新发布的v0.70.39版本带来了一系列功能增强和问题修复,特别是在XR(扩展现实)支持和组件系统方面有了显著改进。
XR功能增强
本次更新为Triplex带来了对@react-three/xr库中XROrigin组件的原生支持。XROrigin是XR应用中的关键组件,它定义了用户在虚拟空间中的原点位置。新版本中,Triplex智能地处理了XROrigin组件的状态:
- 当用户处于编辑状态或使用编辑器相机查看场景时,XROrigin组件会自动禁用,确保编辑体验不受XR功能干扰
- 新增了专门的辅助工具来简化XROrigin组件的使用,开发者可以更轻松地集成XR功能到Triplex项目中
组件系统优化
Triplex对组件系统进行了多项重要改进:
-
环境检测机制:修复了
@react-three/drei钩子的环境检测问题,现在能更准确地判断当前是Three.js环境还是React DOM环境,避免了错误加载场景的情况。 -
函数属性处理:修正了函数类型属性的标记问题,现在可选函数属性不会被错误地标记为必需属性,提高了组件使用的灵活性。
-
变换控制改进:变换控制系统现在直接从属性读取初始状态,而不是依赖场景数据。这一改进特别解决了Triplex用户在处理贴花网格(Decal Mesh)等特殊元素时的变换问题。
-
辅助元素渲染:带有辅助工具的元素现在能正确渲染其子元素,即使辅助工具处于激活状态。这确保了场景结构的完整性,不会因为辅助工具的显示而丢失子元素。
底层依赖升级
为了保持技术栈的现代性和安全性,Triplex在此版本中进行了多项依赖升级:
- TypeScript相关依赖更新至最新稳定版本
- react-three系列库升级到最新版本
- Vite构建工具链更新
这些升级不仅带来了性能改进和bug修复,也为开发者提供了更稳定的开发体验。
技术价值分析
v0.70.39版本的改进体现了Triplex项目在以下几个方面的技术追求:
-
开发者体验优先:通过优化组件系统和属性处理,减少了开发者在处理3D场景时的认知负担。
-
XR支持战略:随着WebXR技术的普及,Triplex正在积极构建对XR工作流的支持,为未来沉浸式3D编辑奠定基础。
-
稳定性保障:通过底层依赖的定期更新,确保项目建立在安全、稳定的技术基础之上。
对于正在使用或考虑采用Triplex进行3D开发的团队来说,这个版本提供了更可靠的组件系统和更好的XR集成能力,值得评估升级。特别是那些需要在编辑器和运行时之间无缝切换的XR项目,新版本的XROrigin处理机制将显著改善开发体验。
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 StartedRust0201
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 Notebook0130
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。Python08
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