Yomitan项目25.1.27.0版本发布:新增威尔士语支持与多项优化
Yomitan是一款开源的日语学习辅助工具,主要功能包括日语文本的即时翻译、词典查询和阅读辅助。作为Rikaisama和Yomichan的继任者,该项目持续为日语学习者提供强大的技术支持。
主要更新内容
新增威尔士语支持
本次版本最重要的更新是增加了对威尔士语的支持。威尔士语是英国威尔士地区的传统语言,这一更新使得威尔士语用户能够更方便地使用Yomitan进行日语学习。开发者通过添加相应的语言包和本地化文件,确保了界面和功能的完整威尔士语支持。
词典CSS更新优化
在之前的版本中,更新词典时CSS样式表不会自动更新,这可能导致显示问题。本次更新修复了这一问题,现在当用户更新词典时,相关的CSS样式也会同步更新,确保词典内容的显示效果始终保持一致和美观。
触摸事件处理改进
针对移动设备用户,开发团队优化了触摸事件的处理逻辑。修复了在某些情况下触摸结束后弹出窗口会立即关闭的问题。通过调整preventNextMouseDown事件的触发时机,现在触摸操作后的弹出窗口行为更加稳定和符合用户预期。
技术实现细节
在词典CSS更新方面,开发团队重构了词典更新流程,确保在下载新词典数据的同时也会获取最新的CSS文件。这一改进涉及到底层更新机制的修改,包括文件下载、缓存处理和版本比对等多个环节。
对于触摸事件的处理,团队深入研究了移动浏览器中touch事件和mouse事件的触发顺序和交互关系。通过精确控制事件处理函数的执行时机,解决了触摸操作后意外触发点击事件的问题,提升了移动端用户体验。
项目发展展望
Yomitan项目持续关注多语言支持和跨平台兼容性。从本次新增威尔士语支持可以看出,项目团队致力于为全球不同语言的日语学习者提供服务。未来版本可能会继续扩展语言支持范围,并进一步优化移动端体验。
开源社区的贡献也是项目发展的重要动力,本次更新就包含了来自新贡献者的代码提交。这种开放的开发模式有助于汇集全球开发者的智慧,持续改进产品功能。
对于日语学习者来说,Yomitan的这些改进意味着更流畅的学习体验和更广泛的使用场景。无论是使用威尔士语的用户,还是在移动设备上学习日语的用户,都能从本次更新中受益。
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。C030
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