Web Scrobbler v3.14.0 版本发布:新增音乐平台支持与性能优化
Web Scrobbler 是一款广受音乐爱好者欢迎的浏览器扩展程序,它能够自动记录用户在各大音乐平台上的播放记录,并与 Last.fm 等音乐社交服务同步。该工具支持超过 100 种音乐服务,通过智能识别页面元素来获取当前播放的歌曲信息,为音乐爱好者提供了便捷的播放记录管理功能。
新增平台支持
本次 v3.14.0 版本新增了对三个音乐平台的支持:
-
The Indie Beat FM:一个专注于独立音乐的在线广播平台,现在用户在该平台上的播放记录可以被准确识别和记录。
-
Musique Approximative:法国的一个实验性音乐平台,以其独特的音乐推荐算法著称,现在也被纳入支持范围。
-
Suno AI:一个新兴的人工智能音乐创作平台,用户在该平台上生成和播放的AI音乐作品现在可以被正确识别和记录。
这些新增的平台支持进一步扩展了 Web Scrobbler 的覆盖范围,满足了不同音乐爱好者的需求。
平台连接器优化
本次更新对多个现有平台的连接器进行了改进:
-
Yandex Music:俄罗斯最大的音乐服务平台,连接器进行了全面更新,提高了识别准确性和稳定性。
-
TIDAL:高保真音乐流媒体服务,修复了两个重要问题:
- 修复了专辑艺术家信息识别异常的问题
- 解决了当TIDAL大播放器标签页打开时专辑信息无法正确获取的问题
这些优化确保了用户在这些平台上的播放记录能够被更准确地记录和同步。
技术架构升级
在底层技术方面,本次更新包含多项重要的依赖项升级:
-
Node.js:基础运行时环境升级至v20.19.2版本,带来了性能提升和安全性改进。
-
TypeScript:升级至5.8.3版本,增强了类型系统的稳定性和开发体验。
-
Vite:前端构建工具升级至6.3.5,显著提升了构建速度和开发服务器响应时间。
-
Vitest:测试框架升级至3.1.3版本,改进了测试执行效率和覆盖率统计。
-
样式工具链:包括Sass和Stylelint在内的样式相关工具都获得了版本更新,提升了样式处理的性能和规范性。
这些底层升级不仅提升了扩展的性能和稳定性,也为开发者提供了更好的开发体验。
开发者体验改进
项目维护团队持续优化开发体验:
-
代码质量工具:更新了ESLint和相关插件,强化了代码规范检查。
-
构建流程:优化了静态资源复制插件,提高了构建效率。
-
测试覆盖率:通过Vitest的升级,测试执行更加高效可靠。
-
类型安全:TypeScript和React类型定义的更新增强了代码的类型安全性。
这些改进使得贡献者能够更高效地为项目提交代码,同时也提高了整个项目的代码质量。
总结
Web Scrobbler v3.14.0 版本通过新增平台支持和优化现有连接器,进一步提升了用户体验。同时,底层技术栈的全面升级为未来的功能开发奠定了更坚实的基础。对于音乐爱好者来说,这个版本意味着更广泛的平台支持和更可靠的数据记录;对于开发者而言,则提供了更现代化的开发环境和工具链。
随着音乐流媒体服务的不断发展,Web Scrobbler 持续进化,保持着作为音乐播放记录管理工具的领先地位。用户可以期待在未来版本中看到更多平台的加入和现有功能的进一步优化。
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