Sveltia CMS v0.75.0 版本发布:文件类型过滤与国际化优化
Sveltia CMS 是一个现代化的开源内容管理系统,基于 Decap CMS(原 Netlify CMS)构建,提供了更加灵活和强大的内容管理能力。该系统特别适合静态网站生成器使用,支持多种内容格式和国际化功能。
文件上传类型过滤功能增强
在最新发布的 v0.75.0 版本中,Sveltia CMS 为文件和图片上传组件引入了重要的增强功能。开发团队新增了 accept 选项,允许管理员通过逗号分隔的文件类型说明符来过滤上传文件。
这一功能实现了与 HTML <input type="file"> 元素的 accept 属性相同的效果,能够精确控制用户可上传的文件类型。例如,可以限制只能上传特定扩展名或 MIME 类型的文件,大大提升了系统的安全性和可用性。
对于图片上传组件,新版本默认只接受 AVIF、GIF、JPEG、PNG、WebP 和 SVG 格式的图片文件。这一改变排除了 BMP、HEIC、JPEG XL、PSD、TIFF 等不太常见或非标准的图像格式,确保了网站内容的兼容性和一致性。管理员仍然可以通过配置 accept 选项来自定义允许的文件类型。
国际化文件名处理优化
在国际化支持方面,v0.75.0 版本引入了一个新的配置选项 omit_default_locale_from_filename。这个选项特别适合使用 Zola 等多语言静态网站生成器的场景。
当启用此选项时,系统会从文件名中排除默认语言环境的标识。这一功能主要影响两种场景:
- 使用
multiple_files国际化结构的条目集合 - 文件集合项中路径以
.{{locale}}.<extension>结尾的情况
这种处理方式与 Zola 的多语言站点文件命名规范完全兼容,使得 Sveltia CMS 能够更好地服务于采用 Zola 构建的多语言网站项目。
技术实现细节
从技术实现角度来看,这些改进涉及到了前端文件上传组件和后端文件处理逻辑的协同工作。文件类型过滤在前端通过标准的 HTML5 文件输入属性实现,同时在后端也进行了相应的验证,确保安全性。
国际化文件名处理则更加复杂,需要考虑到不同静态网站生成器的多语言实现差异。新加入的配置选项为开发者提供了更大的灵活性,可以根据项目需求选择最适合的文件命名策略。
升级建议
对于现有项目,升级到 v0.75.0 版本需要注意以下几点:
- 检查现有图片上传功能,确保默认的文件类型限制不会影响现有内容
- 如果项目需要支持特殊图像格式,需要在配置中显式声明
accept选项 - 对于多语言项目,评估新的文件名处理选项是否适合项目需求
总的来说,Sveltia CMS v0.75.0 版本在文件管理和国际化支持方面做出了重要改进,使得这个现代化的内容管理系统更加完善和实用。
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