SuperSlicer 2.7.61.1版本更新解析:3D打印软件的重要优化与修复
SuperSlicer是一款基于PrusaSlicer二次开发的开源3D打印切片软件,它在原版基础上增加了许多高级功能和优化选项,为专业用户提供了更强大的打印控制能力。本次2.7.61.1版本作为2.7.61的bug修复版本,主要针对悬垂处理、打印质量优化和构建系统等方面进行了多项改进。
悬垂处理优化
悬垂处理是3D打印中的关键技术难点,新版本对此进行了多项改进:
-
悬垂可视化分级:现在软件将悬垂区域分为三个级别进行可视化区分。0到overhangs_width_speed阈值之间的区域不再显示为悬垂;介于overhangs_width_speed和overhangs_width阈值之间的区域仍显示为悬垂但保持原有流量;超过overhangs_width阈值的区域则显示为悬垂并应用桥接流量。
-
风扇控制修复:修正了禁用悬垂风扇速度时的错误行为,确保风扇控制逻辑更加精确。
-
Arachne算法优化:修复了Arachne算法生成的悬垂与普通薄壁出现在同一位置的问题,提高了模型精度。
-
额外轮廓逻辑改进:现在额外轮廓(extra_perimeters_on_overhangs)功能会根据是否使用Arachne算法和是否设置了overhangs_width_speed阈值来智能激活或禁用。
打印质量提升
-
压力提前校准:重新设计了缩放函数,使压力提前校准更加准确。
-
接缝凹槽改进:对接缝凹槽(seam_notch)的形状和流量进行了重新设计,使接缝处更加平整。
-
回缩校准检查:在校准对话框中增加了对固件回缩的检查,避免配置冲突。
-
填充合并优化:修复了填充区域合并的问题,即使存在微小偏移也能正确合并。
-
熨平修复:解决了多岛屿模型缺失熨平(ironing)的问题。
系统与构建改进
-
构建系统增强:
- 修复了macOS Intel平台上的libzstd问题
- 更新了CMake最低版本要求
- 改进了调试模式下的nlopt使用
- 增加了对Arch Linux等更多Linux发行版的支持
-
兼容性提升:
- 修复了与新版glibc-2.40的兼容问题
- 支持Linux Mint系统
- 放宽了OpenCascade的版本要求
- 修复了VS2022 17.13的构建问题
-
代码质量改进:
- 大量替换了C风格头文件为C++标准头文件
- 修复了许多缺少头文件包含的情况
- 优化了构建依赖关系
已知问题说明
尽管本次更新带来了许多改进,但仍存在一些已知问题需要用户注意:
- 支撑阻挡器/增强器在某些情况下可能会偏移,导致支撑生成位置不正确
- "在悬垂区域添加额外轮廓"功能可能会在桥接区域错误添加轮廓
- 树状支撑区域可能会因尖端直径增长而延伸到孔洞中的墙壁上
使用建议
对于不同平台的用户:
- macOS用户:Intel版本需要授予权限,ARM版本首次运行需执行xattr命令清除扩展属性
- Windows用户:可通过Chocolatey包管理器获取自动安装/更新
- Linux用户:提供了AppImage和压缩包两种格式,支持GTK2和GTK3环境
建议专业用户关注悬垂处理的新分级系统,合理设置overhangs_width_speed和overhangs_width阈值以获得最佳打印效果。对于打印质量要求高的项目,可以尝试新版改进的接缝凹槽和熨平功能。
本次更新体现了SuperSlicer团队对打印质量和用户体验的持续追求,特别是悬垂处理的精细化控制将为复杂模型的打印提供更多可能性。建议用户及时更新以获取这些改进,同时注意已知问题的规避方案。
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