Shaka Player 4.12.18版本发布:HLS音频检测与UI交互优化
Shaka Player是由Google开发的一款开源HTML5视频播放器,支持DASH、HLS等多种流媒体协议。作为一款功能强大的播放器解决方案,它广泛应用于各类视频网站和流媒体服务中。本次发布的4.12.18版本主要针对HLS音频格式检测和用户界面交互体验进行了多项优化和改进。
HLS音频格式检测增强
新版本改进了对Dolby AC-4音频格式的空间音频检测能力。在HLS流媒体播放场景中,播放器现在能够更准确地识别包含空间音频信息的Dolby AC-4音轨。这一改进使得支持空间音频的内容能够被正确识别和处理,为观众提供更沉浸式的音频体验。
同时,播放器现在会针对视频流和音频流分别触发相应的事件。只有当检测到视频流时才触发spatialvideoinfo和nospatialvideoinfo事件,避免了之前版本中可能出现的错误事件触发情况。
用户界面交互优化
4.12.18版本对播放器的用户界面进行了多项改进:
-
菜单关闭延迟配置:开发者现在可以通过配置参数自定义菜单关闭的延迟时间,使得UI交互更加灵活可控。
-
移动设备支持:新增了对移动设备上隐藏UI功能的支持,增强了移动端的用户体验一致性。
-
上下文菜单管理:当隐藏UI时,系统会自动关闭当前打开的上下文菜单,避免了界面元素残留的问题。
-
音量控制逻辑:修复了从静音状态恢复音量时的异常行为,使音量调节更加平滑自然。
性能优化与错误修复
在性能方面,新版本特别针对VR(虚拟现实)场景进行了优化,提升了在VR环境下的渲染效率和整体性能表现。
在错误修复方面,解决了标准加载模式下可能出现的许可证请求等待问题。现在在标准加载过程中,播放器不再等待未完成的许可证请求,从而提高了播放启动速度。
总结
Shaka Player 4.12.18版本通过增强音频格式检测能力、优化用户界面交互体验以及改进性能表现,进一步提升了播放器的稳定性和用户体验。这些改进使得Shaka Player在支持高级音频格式和提供流畅UI交互方面更加出色,为开发者提供了更强大的工具来构建高质量的流媒体播放解决方案。
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