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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00