Jellyfin Android客户端v2.6.3版本发布:全面适配Jellyfin 10.11
Jellyfin是一个开源的媒体服务器系统,它允许用户自主搭建个人媒体中心,管理和播放各种视频、音乐和图片内容。作为其官方Android客户端,Jellyfin Android应用提供了便捷的移动端访问体验。最新发布的v2.6.3版本带来了多项重要更新和改进。
核心升级:SDK迁移与兼容性提升
本次更新最显著的变化是将jellyfin-sdk-kotlin迁移至v1.6.x版本。这一底层SDK的升级为应用带来了更好的稳定性和性能表现,同时也确保了与即将发布的Jellyfin服务器10.11版本的完全兼容性。值得注意的是,从这一版本开始,应用要求服务器端必须运行Jellyfin 10.10或更高版本。
用户体验优化
针对用户反馈的多个问题,开发团队进行了细致修复:
-
字幕烧录设置:修复了网页播放器中字幕烧录设置的问题,现在用户可以更准确地控制字幕显示方式。
-
通知图标清晰度:解决了通知中媒体图片模糊的问题,提升了视觉体验。
-
导航行为修正:移除了可能干扰预期行为的返回拦截器,使导航操作更加符合用户习惯。
-
全屏处理改进:对原生播放器的全屏和边距处理进行了调整,优化了视频播放体验。
-
网络错误处理:改进了WebView在网络错误情况下的处理逻辑,现在遇到非关键性网络错误时不会意外关闭视图。
技术细节与架构优化
在底层架构方面,团队持续更新了核心依赖项,包括多次升级jellyfin-core组件至最新版本。这些更新不仅带来了性能提升,也为未来功能扩展奠定了基础。
版本发布策略
值得注意的是,v2.6.3版本与此前发布的beta版本完全一致,没有新增改动。这种发布策略体现了开发团队对稳定性的重视,确保经过充分测试的代码才进入正式版本。
总结
Jellyfin Android客户端v2.6.3版本虽然是一个维护性更新,但它解决了用户长期反馈的多个痛点问题,同时为即将到来的Jellyfin服务器新版本做好了准备。对于追求稳定性和兼容性的用户来说,这次升级值得推荐。开发团队持续关注用户体验的改进方向,为自主媒体管理提供了可靠的移动端解决方案。
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