Xpra项目v6.2.5版本发布:跨平台远程桌面工具的重要更新
Xpra是一款开源的跨平台远程桌面工具,它允许用户在远程服务器上运行图形应用程序,并将这些应用程序的窗口无缝地显示在本地计算机上。Xpra支持多种操作系统,包括Linux、Windows和macOS,具有会话持久化、低延迟、高效压缩等特点,特别适合需要长时间运行图形应用或需要跨平台访问的场景。
近日,Xpra项目发布了v6.2.5版本,这是一个维护性更新版本,主要修复了多个平台上的关键问题并进行了多项改进。下面我们将详细介绍这个版本的重要更新内容。
平台构建与打包优化
本次更新在构建系统和打包方面做了多项改进,特别是针对Windows平台的构建过程进行了优化:
-
Windows认证改进:修复了Windows认证中用户名大小写敏感的问题,现在系统将正确处理不同大小写的用户名输入,提高了认证的兼容性。
-
安全日志优化:系统不再在日志中记录认证凭据,这一改进显著提高了安全性,防止敏感信息泄露。
-
构建工具修复:解决了signtool.exe在构建过程中可能出现的错误,使Windows平台的构建过程更加稳定可靠。
-
构建命令灵活性:现在允许将所有构建命令放置在当前工作目录中执行,为开发者提供了更大的灵活性。
-
组件完整性:修复了非轻量版Windows构建中缺失PyQT6的问题,确保所有必要组件都能正确包含在构建中。
-
ARM64支持:针对Windows ARM64架构的构建提供了更好的默认配置,提升了在该平台上的构建体验。
对于Linux平台,特别是Fedora系统,修复了Fedora 42中的依赖关系问题,确保软件包能够正确安装和运行。
依赖管理改进
本次更新对Python依赖管理进行了重要改进:
-
版本依赖修正:修复了pyu2f库的Python版本依赖问题,确保在不同Python环境下都能正常工作。
-
显式依赖声明:现在为Python库添加了显式的Python版本依赖声明,提高了软件包管理的可靠性。
-
Pygobject修复:对pygobject进行了专门修复,解决了相关依赖问题。
核心功能修复与改进
在核心功能方面,v6.2.5版本解决了几个关键问题:
-
SSH连接回归问题:修复了一个影响SSH连接的回归问题,恢复了正常的SSH连接功能。
-
NVIDIA硬件检测:解决了NVIDIA显卡硬件检测中的错误,现在能够更准确地识别和使用NVIDIA硬件加速功能。
-
SSL选项支持:现在启动器文件能够正确识别和使用SSL选项,提高了加密连接的安全性。
-
X11客户端边框显示:修复了小尺寸XShape窗口在X11客户端上边框不显示的问题,改善了视觉一致性。
编码与性能优化
在视频编码方面,本次更新修复了openh264解码器导致的颜色褪色问题,现在使用该解码器时能够正确显示鲜艳的色彩,提升了视觉体验。
用户体验改进
除了功能修复外,v6.2.5版本还包含多项用户体验改进:
-
音频警告优化:修复了音频警告中显示占位符的问题,现在警告信息更加清晰明确。
-
SSL错误信息:改进了SSL错误消息的显示,使错误原因更加易于理解,便于用户排查连接问题。
-
连接进度显示:在启动画面中增加了连接步骤的进度显示,让用户更清楚地了解连接过程的状态。
-
文档修正:修复了RPM变更日志中的拼写错误,提高了文档的准确性。
总结
Xpra v6.2.5版本虽然是一个维护性更新,但包含了多个重要修复和改进,特别是在平台兼容性、安全性和用户体验方面都有显著提升。对于使用Xpra进行远程桌面访问的用户和开发者来说,升级到这个版本将获得更稳定、更安全的体验。项目团队持续关注各平台的构建质量和功能完整性,体现了对跨平台支持的重视。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07