HarfBuzz 11.0.0 发布:字体渲染引擎的重大升级
HarfBuzz 是一个开源的文本整形引擎,主要用于复杂脚本的排版和字体渲染。它被广泛应用于各种操作系统和应用程序中,如 Android、Chrome、Firefox 等,负责将 Unicode 文本转换为字形索引和位置,以实现高质量的文本显示。
核心功能增强
HarfBuzz 11.0.0 版本引入了多项重要改进,主要集中在字体功能实现和性能优化方面:
- 新增三种字体功能实现:
hb-coretext:基于 CoreText 库的实现hb-directwrite:基于 DirectWrite 库的实现hb-fontations:基于 Skrifa Rust 库的实现
这些实现不仅为性能测试和正确性验证提供了更多选择,也为特定需求的客户端提供了更多灵活性。开发者现在可以通过统一的 API hb_font_set_funcs_using() 来使用这些后端实现。
- 新增字体加载 API:
版本 11.0.0 引入了一系列新的 API,用于通过不同的"face-loaders"加载字体面,并提供了统一的入口点:
- FT(FreeType)相关:
hb_ft_face_create_from_file_or_fail()和hb_ft_face_create_from_blob_or_fail() - CoreText 相关:
hb_coretext_face_create_from_file_or_fail()和hb_coretext_face_create_from_blob_or_fail() - DirectWrite 相关:
hb_directwrite_face_create_from_file_or_fail()和hb_directwrite_face_create_from_blob_or_fail() - 统一入口:
hb_face_create_from_file_or_fail_using()
- FT(FreeType)相关:
性能优化与内存管理
本次版本在性能方面做出了显著改进:
-
内存分配优化: 所有使用默认
hb-ot函数的绘图和绘制操作现在都实现了零内存分配,这将显著提升高频绘图场景下的性能表现。 -
新增内存管理 API: 引入了
hb_malloc、hb_calloc、hb_realloc和hb_free等内存管理函数,为开发者提供了更灵活的内存控制能力。
功能改进与稳定性提升
-
trak 表应用改进: 在文本整形过程中对
trak表的应用进行了优化,提升了复杂排版场景下的准确性。 -
DirectWrite 增强:
- 现在支持字体变体(font variations)
- 正确应用用户特性
hb-directwriteAPI 和整形器已从实验状态毕业,成为稳定功能
-
新增绘图相关 API: 引入了
hb_paint_push_font_transform和hb_paint_push_inverse_font_transform等函数,增强了字体变换处理能力。 -
缓冲区集群级别定义: 新增了多个缓冲区集群级别相关的宏定义,如
HB_BUFFER_CLUSTER_LEVEL_GRAPHEMES等,为文本处理提供了更精细的控制。
向后兼容性
需要注意的是,hb_directwrite_font_get_dw_font API 已被标记为废弃,开发者应迁移至新的替代方案。
总结
HarfBuzz 11.0.0 通过引入多种字体功能实现、优化内存管理和提升性能,为开发者提供了更强大、更高效的文本处理工具。特别是对 DirectWrite 支持的完善和对内存分配的优化,将显著提升复杂文本渲染场景下的性能表现。这些改进使得 HarfBuzz 在现代多语言文本处理领域继续保持领先地位。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00