Komga 1.20.0版本发布:客户端设置API与UI增强
Komga是一款开源的漫画/电子书媒体服务器,它允许用户通过网页浏览器或移动应用来管理和阅读自己的数字漫画收藏。作为一款自托管解决方案,Komga提供了丰富的功能,包括元数据管理、阅读进度同步、多用户支持等。
最新发布的1.20.0版本带来了多项重要更新,主要集中在客户端设置API的引入和用户界面的增强。这些改进不仅提升了用户体验,也为开发者提供了更多可能性。
客户端设置API的引入
1.20.0版本最核心的改进之一是新增了客户端设置API。这个API允许客户端应用程序存储各种设置,既可以全局应用,也可以针对特定用户。这一功能的实现为Komga带来了更灵活的配置方式:
-
全局设置:管理员可以配置影响所有用户的全局选项
- 当启用OAuth2认证时,可以隐藏传统的登录/密码字段
- 如果只配置了一个OAuth2提供商,可以启用自动登录功能(注意浏览器可能会阻止自动弹出的登录窗口)
- 支持按日语字符对系列进行分组
-
用户级设置:每个用户可以根据个人偏好自定义界面
- 为未读的系列/书籍启用封面模糊效果
- 设置封面图片是否拉伸填充显示区域
用户界面增强
除了核心API的改进,1.20.0版本还对Web用户界面进行了多项优化:
-
库管理改进:
- 侧边栏中的库现在可以重新排序
- 用户可以自由选择要固定(pin)或取消固定(unpin)的库
- 库视图现在只显示已固定库的内容
-
推荐视图配置:
- 用户可以自定义推荐视图中显示的内容
- 每个推荐部分都可以单独启用或禁用
- 推荐部分的顺序也可以调整
-
书籍浏览体验:
- 新增了浏览所有书籍的视图
- 在系列内可以按最后修改日期或阅读日期对书籍排序
API改进与文档完善
1.20.0版本对后端API也进行了多项改进:
-
API密钥支持:REST API现在支持通过X-API-Key头进行认证,为自动化工具和第三方集成提供了更方便的认证方式。
-
文档优化:OpenAPI(Swagger)文档得到了全面清理和重新组织,现在所有操作都有适当的描述,文档结构更加清晰。
-
API功能增强:
- 书籍现在可以按系列标题排序
- 参考性API现在支持通过多个library_id进行过滤
技术细节与问题修复
在底层实现上,1.20.0版本也解决了一些技术问题:
- 修复了Windows系统上嵌入式字体无法加载的问题
- 为历史API添加了缺失的权限检查
- 修正了字体CSS生成中的格式关键字错误
- 为字体使用了正确的媒体类型
多语言支持
Komga继续完善其国际化支持,1.20.0版本更新了包括简体中文、芬兰语、西班牙语、意大利语、匈牙利语、克罗地亚语、葡萄牙语、捷克语、日语和德语在内的多种语言翻译。
总结
Komga 1.20.0版本通过引入客户端设置API,为系统带来了更高的可配置性和个性化能力。同时,用户界面的多项改进使浏览和管理漫画收藏变得更加直观和高效。这些更新不仅提升了现有用户的使用体验,也为Komga未来的功能扩展奠定了坚实基础。
对于自托管数字漫画收藏的用户来说,1.20.0版本无疑是一个值得升级的重要更新,特别是那些希望获得更个性化阅读体验和更强大管理功能的用户。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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