Threlte Studio 0.1.0版本发布:3D创作工具的重大升级
Threlte是一个基于Svelte框架的3D渲染库,它让开发者能够使用Svelte的声明式语法来构建3D场景和交互体验。Threlte Studio则是Threlte生态中的可视化编辑工具,允许开发者通过图形界面来创建和编辑3D场景,大大降低了3D开发的入门门槛。
核心功能改进
静态状态管理
0.1.0版本引入了StaticState功能,这是一个重要的架构改进。在3D场景开发中,经常需要管理场景中各种对象的静态状态(如位置、旋转、缩放等属性)。StaticState提供了一个集中式的状态管理方案,使得开发者可以更方便地跟踪和修改场景中各个对象的属性。
事务队列增强
事务系统是编辑器类工具的核心机制之一。本次更新对TransactionQueue事件进行了增强,现在支持更复杂的事务操作。这意味着:
- 用户可以执行更复杂的编辑操作
- 撤销/重做功能更加可靠
- 编辑历史记录更加完整
组件解析与变异优化
对组件解析和变异机制进行了重构,这使得:
- 场景元素的创建和修改更加高效
- 编辑器响应速度更快
- 复杂场景的处理能力更强
技术细节优化
Vite插件支持
现在可以通过'@threlte/studio/vite'导入Vite插件,这为现代前端开发工作流提供了更好的支持。开发者可以更轻松地将Threlte Studio集成到基于Vite的项目中。
着色器导入修复
修复了着色器导入相关的问题,这对于依赖自定义着色器的3D场景尤为重要。现在开发者可以更可靠地导入和使用自定义GLSL着色器代码。
类型安全增强
实现了类型守卫工具,增强了代码的类型安全性。这对于大型3D项目尤为重要,可以在开发阶段捕获更多潜在错误。
性能与稳定性
选择系统改进
修复了对象从场景中移除时选择系统的问题,防止了潜在的无限循环情况。这提高了编辑器的稳定性,特别是在处理复杂场景时。
材质重编译优化
实现了材质在透明度变化时的自动重编译机制。这意味着当用户调整对象的透明度属性时,编辑器能够正确地更新材质表现,无需手动刷新。
依赖更新
项目更新了多个核心依赖,包括Svelte编译器和Three.js库。这带来了性能改进和新特性的支持,同时也修复了已知的安全问题。
开发者体验
API现代化
移除了已弃用的onBeforeRender回调,采用了更现代的API设计。这使得代码更加简洁,也更符合当前Svelte生态的最佳实践。
DOM属性集成
现在使用useThrelte上下文的dom属性,这提供了更一致的方式来访问和操作DOM元素,特别是在与3D场景交互时。
总结
Threlte Studio 0.1.0版本是一次全面的升级,不仅在功能上有所增强,更在稳定性、性能和开发者体验方面做出了显著改进。这些变化使得Threlte Studio成为一个更加强大和可靠的3D创作工具,无论是对于经验丰富的3D开发者,还是刚入门的新手,都能提供更好的开发体验。
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