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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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