Prebid.js 9.35.0版本发布:原生广告支持与渲染优化
Prebid.js是一个开源的头部竞价解决方案,它允许发布商通过统一的集成方式对接多个广告需求源,从而实现广告收益的最大化。作为数字广告领域的重要基础设施,Prebid.js持续迭代更新以满足行业需求。最新发布的9.35.0版本带来了一系列值得关注的新特性、功能改进和错误修复。
原生广告支持与视频广告增强
本次更新中,Conversant Bid Adapter增加了对原生广告的支持。原生广告是一种与发布商网站内容风格高度融合的广告形式,能够提供更好的用户体验。通过这一更新,发布商现在可以通过Conversant需求源获取原生广告创意,并利用Prebid.js的统一接口进行管理和展示。
在视频广告方面,IncrementX Bid Adapter新增了instream视频广告支持。instream视频广告是指在视频内容播放前、中或后展示的广告形式,是视频内容变现的重要方式。这一增强使得发布商能够通过IncrementX需求源获取更多样化的视频广告资源。
渲染性能优化
本次版本对广告渲染机制进行了重要改进。通过替换多个适配器中的布局计算方式,使用更高效的getBoundingClientRect和百分比可视区域(inview)库,显著提升了广告渲染性能。这种优化特别有利于移动端页面,能够减少布局计算带来的性能开销,从而改善页面加载速度和用户体验。
核心模块方面,现在会始终向PUC(Publisher Unified Configuration)发送rendererVersion信号。这一改进使得发布商能够更准确地追踪和管理不同版本的广告渲染器,有助于问题排查和性能监控。
用户同步与隐私合规增强
Smarthub Bid Adapter在此版本中增加了用户同步(UserSyncs)功能。用户同步是程序化广告中的关键技术,它允许不同需求方在尊重用户隐私的前提下,对用户身份进行识别和匹配,从而提高广告相关性和竞价效率。
在隐私合规方面,xeUtils/bidderUtils.js现在会传递完整的gdprConsent对象给竞价方。这一改进确保了GDPR合规要求的严格实施,使竞价方能够基于完整的用户同意信息做出更合规的竞价决策。
错误修复与稳定性提升
本次版本修复了几个关键问题,包括:
- Agma Analytics Adapter中访问getWindowTop前的安全检查,防止了潜在的错误。
- 改进了用户ID模块对来自多个替代源但具有冲突竞价方限制的ID的处理逻辑,解决了某些情况下用户识别不一致的问题。
这些修复提高了系统的稳定性和可靠性,减少了边缘情况下的错误发生。
维护性改进与代码优化
在代码维护方面,本次更新包含多项改进:
- CEE ID系统增加了向端点请求ID的功能,扩展了其使用场景。
- PAAPI模块现在会在启用PAAPI时自动启用adAuctionHeaders,简化了配置流程。
- 多个适配器进行了代码清理和参数更新,如OpenX Bid Adapter的mtype清理和RichAudience Bid Adapter移除视频播放器的废弃参数。
这些维护性工作虽然不直接影响功能,但对于长期的项目健康度和开发者体验至关重要。
总结
Prebid.js 9.35.0版本在广告格式支持、渲染性能、用户同步和隐私合规等方面都有显著进步。这些改进不仅增强了发布商的变现能力,也提升了终端用户的体验。随着程序化广告生态的不断发展,Prebid.js持续通过这样的迭代更新来满足行业需求,巩固其作为开源头部竞价解决方案的领导地位。
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 Notebook0113
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