UniversalMediaServer 14.11.0版本发布:媒体服务功能全面升级
UniversalMediaServer(简称UMS)是一款开源的DLNA/UPnP媒体服务器软件,它能够将用户电脑中的多媒体内容(如视频、音乐、图片等)流式传输到各种支持DLNA/UPnP协议的设备上,包括智能电视、娱乐设备、手机和平板电脑等。作为一款跨平台解决方案,UMS支持Windows、macOS和Linux三大操作系统。
核心功能改进
媒体播放器兼容性增强
本次14.11.0版本在媒体播放器兼容性方面做出了重要改进。针对Kodi播放器的转码支持得到了修复,这意味着用户现在可以更流畅地在Kodi上播放需要转码的视频内容。同时,针对三星C/D系列电视的H.264级别限制问题也得到了解决,提升了视频在这些设备上的播放兼容性。
用户界面与交互优化
新版本对Web设置界面和Web播放器的通知系统进行了显著改进。错误通知现在会保持打开状态,确保用户不会错过重要信息;而普通信息通知的自动关闭时间也被延长,给予用户更多阅读时间。此外,Web播放器新增了全屏快捷键(F键),提升了键盘操作的便捷性。
系统稳定性提升
开发团队修复了多个可能导致系统崩溃的问题,包括:
- 扫描和浏览带有隐藏字幕的视频时可能发生的崩溃
- 两个播放器同时播放时可能出现的计时器错误
- Windows系统下程序数据卸载不彻底的问题
- 自动更新窗口内容显示不全的问题
技术架构升级
依赖项版本更新
14.11.0版本包含了多项重要依赖项的版本升级:
- 前端框架React升级至v19版本
- 构建工具Vite升级至v6版本
- 测试框架Playwright升级至1.50.1
- 日志组件Logback升级至1.5.17
- JSON处理库Gson升级至2.12.1
这些升级不仅带来了性能提升,还引入了新的特性和安全补丁。
构建系统改进
项目已迁移至Yarn Modern(corepack)作为包管理工具,这为开发者提供了更高效的依赖管理体验。同时,开发团队恢复了x86架构的Windows构建包,虽然这一架构的支持不会永久持续,但暂时满足了部分用户的需求。
国际化支持
通过Crowdin平台,意大利语和波兰语的翻译进度分别达到了59%和55%,体现了项目对国际化支持的持续投入。
未来展望
开发团队透露,V15版本的开发工作正在进行中,预计将带来更多用户界面改进。虽然具体细节尚未公布,但可以期待更现代化、更易用的操作体验。
总结
UniversalMediaServer 14.11.0版本在媒体兼容性、用户界面、系统稳定性和技术架构等多个方面都有显著提升。特别是对Kodi和三星电视播放支持的改进,以及对React 19和Vite 6的适配,都体现了项目团队对产品质量和技术前沿的关注。对于需要使用DLNA/UPnP媒体服务器的用户来说,这次升级值得关注。
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