Streamlink 7.1.3版本发布:直播流媒体工具的重大更新
Streamlink是一款强大的命令行工具,它允许用户从各种在线流媒体服务中提取视频流,并在本地播放器中播放。与直接访问网站观看不同,Streamlink绕过了浏览器限制,提供了更灵活、更高效的观看体验。最新发布的7.1.3版本带来了一系列重要的改进和修复。
核心功能改进
本次更新中最值得关注的是对验证功能的修复。validate.contains()方法现在能够接受所有类型的Container对象作为输入,这大大增强了验证功能的灵活性和兼容性。对于开发者来说,这意味着在编写插件时可以更自由地使用各种容器类型进行数据验证。
插件更新与优化
7.1.3版本对多个插件进行了重要更新:
-
ceskatelevize插件:完全重写并修复了该插件,显著提升了其稳定性和兼容性。这个插件用于从捷克电视台获取直播流。
-
nos插件:修复了验证模式并更新了匹配器,使这个荷兰流媒体服务的插件更加可靠。
-
pandalive插件:修复了用户ID获取问题并更新了匹配器,解决了熊猫直播平台的相关问题。
-
pluzz插件:修复了视频ID模式,确保能够正确识别和处理视频内容。
-
streamable和tv4play插件:由于各种原因,这两个插件已被移除。开发者建议用户寻找替代方案。
-
twitch插件:对TwitchAPI类进行了重构,改进了访问令牌获取机制,提升了Twitch平台直播流的获取效率和稳定性。
-
wwenetwork插件:完全重写并修复了该插件,解决了WWE网络平台的相关问题。
文档与构建改进
在文档方面,7.1.3版本做出了重要调整:
-
用基于每次提交触发的预览构建取代了Windows和Linux AppImage的夜间构建,这意味着用户可以更及时地获取最新功能。
-
新增了可选的Linux AppImage构建版本,这些版本捆绑了FFmpeg,为用户提供了开箱即用的完整功能体验。
测试环境升级
测试框架方面,将freezegun的最低要求版本提升至1.5.0或更高。这是一个用于模拟时间的Python库,升级后可以提供更可靠的测试环境。
总结
Streamlink 7.1.3版本虽然在版本号上是一个小版本更新,但包含了多项重要的改进和修复。特别是对多个插件的重写和优化,显著提升了工具的稳定性和兼容性。对于依赖Streamlink观看直播的用户来说,这次更新意味着更流畅、更可靠的观看体验。对于开发者而言,改进的验证功能和API重构为插件开发提供了更好的基础。
随着流媒体服务的不断变化,Streamlink团队持续保持对插件的维护和更新,确保用户能够无缝访问各种直播内容。7.1.3版本的发布再次证明了该项目对质量和用户体验的承诺。
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