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。
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 StartedRust0191
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 Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08