Prowlarr v1.31.2版本发布:索引器管理与自动化增强
Prowlarr是一个开源的索引器管理工具,主要用于帮助用户集中管理和自动化各类索引器资源。作为Sonarr、Radarr等媒体管理工具的配套应用,Prowlarr能够统一配置多个索引器,并通过API将这些索引器共享给其他媒体管理工具使用,大大简化了索引器的维护工作。
核心功能改进
本次发布的v1.31.2版本带来了多项重要改进,主要集中在索引器功能增强和用户体验优化方面。
索引器专属标志支持
新版本引入了"exclusive indexer flag"(专属索引器标志)功能。这一特性允许用户将某些索引器标记为"专属",意味着这些索引器将不会与其他索引器共享搜索结果。这对于那些提供独特内容或需要特殊权限的私有索引器特别有用,可以确保这些索引器的结果不会被其他普通索引器的结果所覆盖。
通知系统优化
在通知系统方面,开发团队修复了Discord通知中实例名称回退的问题。现在当系统无法获取特定信息时,会自动回退使用实例名称作为通知标识,确保了通知系统的可靠性。同时,还对控制台日志消息进行了清理,移除了一些敏感信息如"rsskey"等,提高了系统的安全性。
索引器特定改进
MyAnonamouse索引器增强
针对MyAnonamouse(MAM)索引器,新版本做了多项改进:
- 修复了VIP发布内容下载时购买个人免费种子的问题
- 确保下载时使用最新的cookies
- 更新了用户类属性名称
- 新增了防止没有免费令牌时下载的保护机制
NorBits索引器优化
NorBits索引器获得了多项修复和改进:
- 更新了发布类别解析逻辑
- 添加了主类别以避免无效发布
- 修复了所有主题上的发布类别选择器显示问题
其他索引器修复
- AnimeTorrents索引器切换为cookies登录方式
- IPTorrents索引器优化了括号内语言信息的清理
- HDB索引器现在使用发布名称来处理完整光盘和XXX内容
- FileList修复了当passkey包含空格时的下载链接问题
- SpeedApp修复了发布guid问题
用户体验改进
在用户界面方面,开发团队修复了下拉菜单在某些情况下闪烁的问题,提升了操作流畅度。同时,对多语言支持进行了更新,包括多个翻译文件的改进。
系统架构优化
新版本继续优化了跨平台支持,提供了针对各种操作系统和架构的构建包,包括:
- Linux (ARM, ARM64, x64, x86)
- macOS (ARM64, x64)
- Windows (x64, x86)
- FreeBSD (x64)
特别值得注意的是,文档构建现在支持ARM架构,反映了项目对新兴硬件平台的持续支持。
总结
Prowlarr v1.31.2版本通过引入专属索引器标志、优化多个特定索引器的功能、改进通知系统和用户界面,进一步提升了索引器管理的效率和可靠性。这些改进使得Prowlarr在媒体自动化工作流中的角色更加重要,为用户提供了更强大、更稳定的索引器管理体验。
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