Zigbee-herdsman-converters v23.14.0版本发布:新增多款智能设备支持
Zigbee-herdsman-converters是一个开源的Zigbee设备转换器项目,它作为Zigbee2MQTT生态系统的核心组件,负责将不同厂商的Zigbee设备协议转换为统一的MQTT消息格式。该项目持续更新,不断扩展对各种Zigbee设备的支持,使智能家居系统能够兼容更多设备。
新增设备支持
本次v23.14.0版本更新中,项目团队为多款智能设备添加了原生支持,显著扩展了Zigbee生态系统的兼容性范围。
多功能传感器系列
新增了对SLACKY DIY系列传感器的支持,包括:
- CO2传感器(SLACKY_DIY_CO2_SENSOR_R01)
- 水表(Watermeter_TLSR8258)
- 烟雾传感器(Smoke Sensor TLSR8258)
- 电表(Electricity Meter TLSR8258)
- 多款温度传感器(THERM_SLACKY_DIY_R01至R08)
这些设备覆盖了环境监测、安全防护和能源管理等多个智能家居应用场景,为用户提供了更全面的数据采集能力。
智能开关系列
新增了多款智能开关设备:
- TS0726系列多路开关(1路、3路和4路版本)
- Push_LE和Push_LO智能按钮
这些开关设备支持多路控制,可以灵活应用于各种照明和电器控制场景。特别是TS0726系列的多路开关,为需要集中控制多个电路的用户提供了便利的解决方案。
智能插座系列
新增了对多款智能插座的支持:
- SPM02-U00
- SDM02-U00
- SPM01-U00
- SPM02-U02
- SDM02-U02
这些插座设备不仅支持远程开关控制,部分型号还具备能耗监测功能,帮助用户更好地管理家庭用电。
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:
-
修正了三相电表功率因数计算问题,解决了Phase B和Phase C功率因数识别错误的问题,提高了电能监测的准确性。
-
针对NEO NAS-PS10B2设备,修复了光照度(lux_value)测量值的处理逻辑,确保光照数据准确可靠。
-
优化了Sonoff TRVZB温控器的外部温度输入处理,修正了温度值的舍入方式,提高了温度控制的精确度。
技术意义与应用价值
本次更新体现了Zigbee-herdsman-converters项目团队对设备兼容性和数据准确性的持续关注。新增的设备支持进一步丰富了Zigbee生态系统的设备选择,特别是DIY传感器系列和多路智能开关的加入,为高级用户和系统集成商提供了更多可能性。
在能源管理方面,新增的电能监测设备和修正的功率因数计算算法,使得家庭能源监控系统能够获取更精确的数据,为节能优化提供了可靠依据。而温控器和传感器相关问题的修复,则提升了智能家居环境控制系统的稳定性和用户体验。
随着物联网技术的普及,Zigbee-herdsman-converters这样的开源项目在推动智能家居标准化和互操作性方面发挥着越来越重要的作用。通过持续的设备支持和功能优化,该项目帮助用户摆脱厂商锁定的困扰,构建真正开放、灵活的智能家居系统。
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