ZLPhotoBrowser 4.6.0版本发布:SwiftUI支持与相机增强
项目简介
ZLPhotoBrowser是一款功能强大的iOS照片选择器框架,为开发者提供了高度可定制的照片选择、预览和编辑功能。该框架支持从相册选择照片/视频、拍照、录制视频、图片编辑等常见功能,并提供了丰富的自定义选项。
版本亮点
SwiftUI支持
4.6.0版本最重要的更新是增加了对SwiftUI的支持。这意味着开发者现在可以在SwiftUI项目中无缝集成ZLPhotoBrowser,而不必依赖UIKit的桥接方案。这一改进使得现代SwiftUI应用能够更自然地使用照片选择功能,同时保持了与UIKit版本相同的功能和体验。
相机功能增强
本次更新对相机功能进行了多项改进:
-
锁定输出方向:在自定义相机中新增了锁定输出方向的功能,确保拍摄的照片或视频始终保持预期的方向,不受设备旋转影响。
-
录制时间修复:修复了点击录制视频时自动停止录制时间计算不准确的问题,提高了视频录制的精确性。
-
捕获动作自定义:新增了will-capture-block回调,允许开发者在捕获动作前后执行自定义逻辑,为特殊场景下的相机使用提供了更大的灵活性。
视频体验优化
视频播放体验得到了显著提升:
-
相册视频播放:优化了相册中视频的播放流畅度和控制体验。
-
在线视频支持:改进了在线视频的预览功能,特别是修复了部分视频宽高比计算不准确的问题。
组件重构与API改进
-
ZLPhotoPicker替代ZLPhotoPreviewSheet:这是一个重要的API变更,新的ZLPhotoPicker将逐步取代原有的ZLPhotoPreviewSheet。开发者应开始迁移到新API,因为旧组件未来将被标记为私有。
-
文字贴纸增强:为文字贴纸功能添加了文字轮廓和阴影效果,使编辑功能更加丰富和专业。
技术细节与最佳实践
对于开发者而言,升级到4.6.0版本时需要注意以下几点:
-
SwiftUI集成:在SwiftUI中使用时,可以通过新的API直接创建照片选择器视图,无需额外的包装器。
-
相机方向锁定:当需要固定输出方向时,确保正确配置相关参数,特别是在需要横屏拍摄的场景下。
-
视频处理:对于在线视频的支持更加完善,但开发者仍需注意视频源的兼容性和网络状况。
-
API迁移:建议尽早将ZLPhotoPreviewSheet的使用迁移到新的ZLPhotoPicker,以避免未来版本兼容性问题。
总结
ZLPhotoBrowser 4.6.0版本通过引入SwiftUI支持、增强相机功能和优化视频体验,进一步巩固了其作为iOS平台全面照片解决方案的地位。这些改进不仅提升了框架的现代化程度,也为开发者提供了更多灵活性和更好的用户体验。建议开发者评估新特性对项目的价值,并计划适当的升级路径。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00