KeyboardKit 9.1.0 版本发布:键盘定制与用户体验全面升级
KeyboardKit 是一个强大的 Swift 框架,专门用于在 iOS 和 macOS 平台上构建自定义键盘应用。它为开发者提供了丰富的工具和组件,可以轻松实现各种键盘布局、输入法切换、表情符号选择等核心功能,同时支持高度定制化的外观和行为。
核心功能增强
本次 9.1.0 版本带来了多项重要改进,特别是在键盘布局定制和用户体验方面:
键盘边缘停靠功能
新引入的 Keyboard.DockEdge 枚举让开发者能够实现键盘在屏幕边缘的停靠功能。通过 Keyboard.Settings 中的 keyboardDockEdge 属性,可以轻松启用这一特性。对于 iPhone 用户来说,这项功能特别实用,可以将键盘停靠在左侧或右侧边缘,大大方便了单手操作场景。
空格键长按行为扩展
Keyboard.SpaceLongPressBehavior 新增了 .moveInputCursorWithLocaleSwitcher 选项,现在开发者可以让用户在长按空格键时,既能移动输入光标,又能切换输入法语言,这种复合操作模式显著提升了输入效率。
本地化显示优化
Locale 类型新增了 shortDisplayName 属性,它会返回语言代码或标识符,为键盘界面的语言切换显示提供了更简洁的选项。同时,所有表情符号和表情符号类别都已完成了西班牙语本地化。
专业版功能改进
对于 KeyboardKit Pro 用户,本次更新带来了更专业的增强:
表情符号键盘渲染优化
EmojiKeyboard 现在能够在更多设备类型上呈现更好的显示效果。Emoji.KeyboardMenu 现在从环境中获取样式构建器,使得自定义更加灵活。
iPad Pro 布局服务改进
iPadProLayoutService 针对 URL 和电子邮件键盘键的渲染进行了优化,确保这些特殊功能键在各种布局中都能正确显示。
架构与 API 优化
本次更新对框架内部结构进行了多项优化:
- 大量类型现在符合
Codable和Sendable等基础协议,提高了框架的健壮性和线程安全性 - 移除了
KeyboardApp中必须定义bundleId和keyboardBundleId的要求,简化了自定义键盘应用的设置流程 - 对
KeyboardLayout和BaseLayoutService中的输入工具栏命名进行了规范化,移除了number相关的不必要前缀 - 调整了大写锁定和 Shift 键在暗黑模式下的默认空闲状态颜色,提升了视觉一致性
问题修复
本次更新修复了几个关键问题:
Keyboard.KeyboardType.URL现在能够正确渲染输入键和底部操作按钮KeyboardView在使用自定义emojiKeyboard时不再错误移除表情符号键
迁移注意事项
需要注意的是,9.1.0 版本移除了对 KeyboardKit 8 的迁移支持。开发者如果还在使用旧版本,需要先迁移到最新的 9.0 版本,然后再升级到 9.1 或更高版本。
总结
KeyboardKit 9.1.0 版本通过引入键盘边缘停靠、优化空格键长按行为、改进专业版功能等一系列增强,为开发者提供了更强大的工具来构建高效、美观的键盘应用。这些改进不仅提升了开发体验,也最终为用户带来了更流畅、更便捷的输入体验。
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