LibreSignage:开源数字标牌解决方案
2026-01-29 11:50:41作者:管翌锬
LibreSignage 是一个开源的数字标牌解决方案,旨在为学校、咖啡馆、餐厅和商店等场所提供一个轻量级且易于使用的系统。该项目主要使用 PHP 编程语言开发,同时依赖于多种前端和后端技术栈。
1. 项目基础介绍
数字标牌是一种用于展示动态内容的系统,可以是大型商业广告牌,也可以是更小的广告展示屏、通知板或数字餐厅菜单。LibreSignage 旨在让数字标牌变得触手可及,用户可以通过一个 HTTP web 服务器来向各个标牌显示内容,使得任何配备现代浏览器的系统都可以作为显示终端。
2. 项目核心功能
- 网页界面:用于编辑幻灯片和管理 LibreSignage 实例。
- 幻灯片设置:支持多种幻灯片设置,如持续时间、过渡效果等。
- 特殊标记语法:用于格式化幻灯片内容。
- 实时预览:在编辑器中实时预览幻灯片标记。
- 媒体支持:支持嵌入远程或上传的图片和视频文件。
- 定时功能:可以指定特定幻灯片在特定时间范围内显示。
- 协作功能:网络上的其他用户可以共同编辑和管理工作。
- 多用户支持:具有可配置的访问控制。
- 用户管理:管理员用户可以通过网页界面管理用户。
- 配额限制:为用户设置可以创建的幻灯片数量。
- API 限制:用于减少服务器负载。
- 文档和配置:提供详细的功能文档和开发者文档,以及丰富的配置选项。
3. 最近更新的功能
由于 LibreSignage 已经在 2021 年 2 月停止维护,最近的更新可能较少。然而,根据最后一次提交的信息,以下是一些可能包含的功能:
- 代码改进:对代码库进行维护和修复。
- 文档更新:更新了项目文档,以反映项目的最新状态。
- 安全性改进:可能包括安全漏洞的修复和增强。
请注意,由于项目已停止维护,未来的功能更新可能不会继续进行,但社区仍然可以基于现有代码进行扩展和改进。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
Ascend Extension for PyTorch
Python
396
474
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
359
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
902
704
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.39 K
786
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
814
200
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161