Ampache 6.6.7版本发布:音乐管理系统的搜索功能全面升级
Ampache是一款开源的Web音乐管理系统,它允许用户通过浏览器访问和管理自己的音乐收藏。作为一个功能强大的媒体服务器,Ampache支持多种音频格式,提供流媒体播放、用户权限管理、智能播放列表等功能。最新发布的6.6.7版本在搜索功能方面进行了重大改进,同时修复了多个已知问题。
搜索功能全面增强
6.6.7版本为Ampache带来了大量新的搜索选项,显著提升了系统的检索能力。这些改进主要来源于即将发布的Ampache 7版本的功能移植。
在波形数据方面,新增了song搜索类型中的waveform选项,用户可以基于音频波形数据进行搜索。需要注意的是,要使用此功能,必须确保未启用album_art_store_disk配置选项。
对于流派(Genre)搜索,新增了album_count、artist_count、song_count和video_count等统计字段,用户可以更精确地筛选包含特定数量作品的流派。
专辑(Album)和专辑磁盘(AlbumDisk)搜索增加了disk_count参数,方便用户查找包含特定数量磁盘的专辑。同时修复了release_type、release_status、barcode和catalog_number等参数在Album和AlbumDisk搜索中未被包含的问题。
播放统计相关搜索改进
新版本丰富了与播放统计相关的搜索选项。在Album、AlbumDisk、Artist、PodcastEpisode、Podcast和Song搜索中,新增了以下功能:
skipped_times和played_or_skipped_times:基于跳过次数和播放/跳过总次数的搜索myplayed_times:基于当前用户播放次数的个性化搜索myskipped_times:基于当前用户跳过次数的个性化搜索myplayed_or_skipped_times:结合播放和跳过次数的个性化搜索
这些改进使得用户能够创建更加智能和个性化的播放列表。
评分系统优化
6.6.7版本修复了AlbumDisk对象评分搜索的问题,并改进了平均rating搜索对空值的处理。现在用户可以更准确地基于评分筛选内容。
其他重要改进
在Podcast功能方面,修复了PodcastEpisode加载错误,特别是针对尚未下载的新文件处理更加稳定。
Web播放器方面,修复了特殊字符转义不正确的问题,提升了播放列表的兼容性和稳定性。
API更新
Ampache API在6.6.7版本中也进行了调整。在统计功能中,现在允许使用limit参数值为-1表示无限制(之前值为0时会回退到popular_threshold设置的值),这为开发者提供了更大的灵活性。
兼容性说明
6.6.7版本继续支持PHP 8.0至8.3版本,同时仍提供PHP 7.4的构建包,但官方已明确表示PHP 7.4将不再获得支持,仅会维持构建直到无法继续为止。
对于开发者,版本还提供了仅包含代码的发布包,需要自行通过composer安装依赖。
总的来说,Ampache 6.6.7版本通过移植Ampache 7的搜索功能,显著提升了系统的检索能力,同时修复了多个影响用户体验的问题,为音乐爱好者提供了更加强大和稳定的媒体管理体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00