Cap项目v0.3.18版本发布:专业屏幕录制工具的重大更新
Cap是一款开源的屏幕录制工具,专注于为macOS用户提供高质量的屏幕录制和音频采集功能。该项目采用现代化的技术栈开发,具有轻量级、高性能的特点,特别适合需要录制教程、演示视频或游戏内容的用户群体。最新发布的v0.3.18版本带来了一系列功能增强和问题修复,显著提升了用户体验。
核心功能改进
屏幕区域录制功能
本次更新最引人注目的新特性是屏幕区域录制功能。用户现在可以灵活选择屏幕的特定区域进行录制,而不再局限于全屏录制。这一功能通过智能裁剪技术实现,允许用户在准备录制时自由调整录制区域的大小和位置。对于需要突出显示特定应用窗口或界面元素的场景特别有用,比如软件演示或UI设计展示。
多声道音频支持
音频处理方面,新版本增强了对多声道音频设备的支持。现在可以录制超过2个声道的音频输入,系统会自动将前两个声道处理为立体声输出,同时忽略其余声道。这一改进使得Cap能够兼容更多专业音频设备,为音频制作提供了更大的灵活性。
技术架构优化
音频编码器升级
在底层技术实现上,开发团队对音频处理流水线进行了重大重构:
-
编码标准切换:从原先的MP3和AAC编码全面转向Opus编码。Opus作为一种现代音频编码格式,在相同比特率下能提供更高质量的音频,特别适合语音和音乐录制场景。
-
系统原生编码器利用:在导出阶段,现在使用macOS内置的AAC编码器进行处理,这不仅提高了编码效率,还确保了更好的系统兼容性。
错误处理机制强化
稳定性方面,新版改进了错误处理机制:
-
实时监控录制流水线(包括采集和编码环节),一旦检测到任何组件失败,系统会立即停止录制,避免产生损坏的媒体文件。
-
增强了崩溃报告机制,现在会收集更多诊断信息,帮助开发团队更快定位和修复问题。
用户体验提升
录制可靠性改进
针对常见的用户痛点,本次更新特别优化了:
-
麦克风录制稳定性:显著降低了麦克风录制失败的概率,解决了专业用户长期反馈的问题。
-
音频截断问题:修复了麦克风录制最后1秒左右音频被截断的问题,同时确保播放和导出时的音频完整性,不再出现提前切断的情况。
编辑器功能增强
视频编辑器获得了多项易用性改进:
-
预览播放头现在会在播放期间自动隐藏,减少界面干扰。
-
当存在预览播放头时,按空格键停止后再次播放会从预览时间点开始,而不是从头开始,提高了编辑效率。
-
修复了"创建可分享链接"模态框无法关闭的问题,使工作流程更加顺畅。
开发者相关改进
对于开发者社区,新版本开放了Webview开发者工具,便于社区贡献者调试和扩展应用功能。这一变化体现了项目对开源社区的友好态度,降低了参与贡献的技术门槛。
总结
Cap v0.3.18版本通过引入屏幕区域录制、改进音频处理流水线、增强稳定性和优化用户界面,为专业内容创作者提供了更强大、更可靠的屏幕录制解决方案。特别是对多声道音频的支持和Opus编码的采用,使其在音视频质量方面达到了专业水准。这些改进不仅提升了核心功能,也为未来的功能扩展奠定了更坚实的基础。
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