Subliminal 2.3.0版本发布:智能字幕下载工具的重大更新
Subliminal是一个基于Python开发的智能字幕下载工具,它能够自动为视频文件匹配和下载合适的字幕。作为一个开源项目,Subliminal通过集成多个字幕提供商的服务,为用户提供高效、准确的字幕获取体验。最新发布的2.3.0版本带来了一系列重要改进和新功能,显著提升了工具的使用体验和功能性。
核心功能改进
2.3.0版本对文件年龄计算逻辑进行了优化,现在默认会同时考虑文件的创建时间和修改时间来确定文件的新旧程度。这一改变使得字幕匹配更加精准,特别是在处理那些被修改过但内容未变的视频文件时。用户仍然可以通过--no-use-ctime选项恢复到仅使用修改时间的旧有行为。
在视频信息提取方面,项目团队做出了重大架构调整,用knowit替代了原有的enzyme库。knowit能够利用多种外部工具(如mediainfo、ffmpeg和mkvmerge)来获取视频的帧率、时长和字幕信息,在没有这些工具的情况下才会回退到enzyme。这一改进显著提升了视频信息提取的准确性和可靠性。
新增功能亮点
本次更新引入了多项实用新功能,其中最值得注意的是:
-
新增了
subtitles属性到Video类中,使得开发者能够更方便地获取视频的字幕信息。 -
增加了对独立Provider的支持,通过
Provider.hash_video静态方法,开发者现在可以创建不依赖于Subliminal核心功能的独立字幕提供器。 -
新增了Mock Provider,为测试和开发提供了更大的灵活性。
-
在CLI方面,新增了
--subtitle-format选项,允许用户强制转换字幕格式;--skip-wrong-fps选项可以自动跳过帧率不匹配的字幕;以及精细控制的--force-embedded-subtitles和--force-external-subtitles选项。
提供商更新与优化
2.3.0版本对现有的字幕提供商进行了多项优化:
-
OpenSubtitlesCom提供商现在能够避免重复字幕的下载,提高了效率。
-
新增了BSPlayer和Subtitulamos两个新的字幕提供商,进一步扩展了字幕来源。
-
移除了对Addic7ed和Napiprojekt提供商的默认禁用,现在这些提供商可以通过配置正常使用。
开发者体验提升
对于开发者而言,2.3.0版本带来了多项改进:
-
移除了default_providers和default_refiners变量,改为使用
get_default_providers()和get_default_refiners()函数,提供了更大的灵活性。 -
现在可以直接通过
python -m subliminal命令运行工具,简化了开发调试流程。 -
新增了prepare_tests.py脚本,可以预先下载测试数据,避免了重复下载,提高了测试效率。
-
项目现在使用hatch构建系统和hatch-vcs,改善了构建流程。
兼容性与环境要求
2.3.0版本不再支持Python 3.8,新增了对Python 3.13的支持。rarfile现在被设为可选依赖,用户可以通过pip install subliminal[rar]来安装相关功能。在Windows和MacOS上,libmediainfo会通过pymediainfo自动安装,而Linux用户则需要通过系统包管理器手动安装。
总结
Subliminal 2.3.0版本是一次全面的功能升级和优化,不仅增强了核心功能,还引入了多项实用新特性,改进了开发者体验。这些改进使得Subliminal在字幕匹配的准确性、使用的便捷性和功能的丰富性方面都达到了新的高度。无论是普通用户还是开发者,都能从这个版本中获得更好的使用体验。
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。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。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。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0129
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