Manyfold项目v0.112.0版本发布:ActivityPub联邦功能全面升级
Manyfold是一个开源的3D模型管理与分享平台,专注于为3D创作者提供便捷的模型存储、管理和分享解决方案。该项目采用现代化的Web技术栈构建,支持3D模型预览、分类管理等功能,并正在逐步完善对ActivityPub协议的支持,以实现与其他联邦宇宙(Fediverse)平台的互联互通。
联邦功能全面升级
本次v0.112.0版本的核心改进集中在ActivityPub联邦功能的完善上,使得Manyfold与其他联邦宇宙平台如Mastodon的交互更加顺畅。
远程内容预览增强
新版本中,Manyfold现在能够为远程服务器上的模型和收藏集提供完整的预览功能。这意味着当用户浏览来自其他Manyfold实例或其他兼容ActivityPub平台的内容时,可以直接看到模型的预览图和相关元数据,而无需下载完整的模型文件。
系统还改进了预览卡片的信息展示,现在会显示创作者和所属收藏集的详细信息,帮助用户更好地了解内容的来源和上下文关系。
ActivityPub Notes发布机制
Manyfold现在能够自动发布ActivityPub Notes(类似于社交网络中的帖子)来通知联邦网络中的其他实例。这些Notes会在以下场景自动生成:
- 发布新模型时
- 更新现有模型时
- 将模型添加到收藏集时
- 发布新收藏集时
这些Notes包含了模型或收藏集的基本信息,并支持内容警告(CW)功能,确保敏感内容可以被适当标记。同时,系统还优化了标签(hashtag)的处理方式,确保它们能在Mastodon等平台上正确显示。
用户体验改进
批量隐藏问题功能
针对大型收藏集的管理需求,新版本增加了批量隐藏问题的功能。用户现在可以一次性选择多个问题并统一隐藏,大大简化了模型库维护的工作流程。同时,系统还会自动折叠已忽略的问题,保持界面整洁。
表单权限控制
在创建或编辑模型时,系统现在会严格限制创作者和收藏集的选择范围,确保用户只能选择自己有编辑权限的项目。这一改进防止了意外选择无权编辑的项目导致的错误。
渲染器优化
3D渲染器部分进行了重构,修正了Y轴向上的显示问题,确保模型在所有场景下都能正确渲染。同时,预览图片和视频的MIME类型处理也得到了改进,确保它们能被正确识别和显示。
国际化支持
本次更新新增了日语翻译,进一步扩大了Manyfold的国际用户群体。同时,所有现有语言的翻译文件都进行了更新和优化,提升了多语言用户的使用体验。
技术细节优化
在底层实现上,开发团队进行了多项技术改进:
- 文件元数据刷新机制优化,确保文件大小等信息准确
- 增加了更多常见子文件夹的自动合并支持
- 修复了文件名大小写导致的预览问题
- 确保ActivityPub相关后台任务的唯一性,避免重复处理
- 改进了oEmbed iframe的语法结构,提升兼容性
这些改进虽然不直接影响用户界面,但显著提升了系统的稳定性和可靠性。
总结
Manyfold v0.112.0版本标志着该项目在联邦功能上的重大进步,使其真正成为联邦宇宙中3D内容分享的重要节点。通过完善的ActivityPub支持和多项用户体验改进,这个版本为3D创作者提供了更开放、更便捷的内容分享环境。随着国际化支持的不断扩展,Manyfold正在成长为全球3D创作者社区的基础设施之一。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00