Zigbee-herdsman-converters项目v23.44.0版本发布:新增多款设备支持与功能优化
Zigbee-herdsman-converters是一个开源的Zigbee设备转换器项目,它作为Zigbee2MQTT等智能家居平台的后端支持,负责将不同厂商的Zigbee设备协议转换为统一的格式。该项目持续更新,不断添加对新设备的支持并优化现有功能。
新增设备支持
本次v23.44.0版本更新中,项目团队为多款Zigbee设备添加了原生支持,这些设备涵盖了传感器、开关等多种类型:
-
Philips 929003808701:飞利浦的一款Zigbee设备,具体型号细节表明这可能是一个智能照明或控制产品。
-
Cleargrass CGG1和MJWSD06MMC:这两款设备来自小米生态链企业青萍,CGG1是温湿度传感器,而MJWSD06MMC则是米家蓝牙温湿度计2的Zigbee版本。
-
EPIR_Zm:这是一款红外人体移动传感器,可用于安防或自动化触发场景。
-
SDM01W-U01和SDM01B-U01:这两款设备是智能门磁传感器,分别对应白色和黑色版本,用于门窗开合状态监测。
-
Sonoff SNZB-02WD:Sonoff推出的无线门磁传感器,支持Zigbee协议。
-
ZBWD20RD:一款20A Zigbee智能插座,支持远程控制和电量监测。
-
ZG系列设备(ZG-102ZM、ZG-204ZV、ZG-223Z):这些是来自不同厂商的Zigbee设备,可能包括开关、传感器等多种类型。
功能优化与问题修复
除了新增设备支持外,本次更新还包含了一些重要的功能优化和问题修复:
-
设备识别改进:修复了MiBoxer FUT039Z设备的识别问题,现在可以正确识别带有
_TZB210_rs0ufzwg标识的设备。 -
Tuya NAS-PS10B2设备修复:解决了该设备在
work_mode(工作模式)和lux_value(光照值)方面的问题,使这些功能能够正常工作。
技术意义与应用价值
Zigbee-herdsman-converters项目的持续更新对智能家居生态系统具有重要意义。通过不断扩展支持的设备范围,该项目为用户提供了更多选择,降低了智能家居设备的接入门槛。同时,对现有设备的优化修复也提升了系统的稳定性和可靠性。
对于开发者而言,这些更新意味着更完善的开发环境和更少的兼容性问题。对于终端用户,则可以直接体验到更多设备即插即用的便利,无需担心协议兼容性问题。
随着物联网设备的普及,类似Zigbee-herdsman-converters这样的中间件项目将在设备互联互通方面发挥越来越重要的作用。本次更新再次证明了开源社区在推动技术发展方面的活力和价值。
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