Immich-Kiosk v0.15.0 版本发布:全新布局与智能相册管理功能解析
Immich-Kiosk 是一个基于 Immich 自托管照片管理系统的数字相框解决方案,它能够将用户的照片库以精美的幻灯片形式展示在各种设备上。最新发布的 v0.15.0 版本带来了多项重要更新,显著提升了用户体验和功能灵活性。
全新布局选项:横屏与竖屏模式
v0.15.0 版本引入了 landscape(横屏)和 portrait(竖屏)两种布局模式,让用户可以根据显示设备的特性或审美偏好自由选择。这项功能特别适合在不同长宽比的屏幕上展示照片,确保每张照片都能以最佳比例呈现。
技术实现上,系统会根据所选布局智能调整照片的显示方式:
- 横屏模式会优先展示宽幅照片
- 竖屏模式则更适合展示纵向构图的作品
智能相册管理增强
1. 日期范围筛选
新版本增加了按日期范围筛选照片的功能,用户可以通过以下方式定义时间范围:
- 在配置文件中使用
YYYY-MM-DD_to_YYYY-MM-DD格式 - 通过环境变量传递多个日期范围
- 直接在URL参数中指定
特别值得一提的是,系统支持使用 today 作为当前日期的快捷方式,例如 2023-01-01_to_today 表示从2023年1月1日至今的所有照片。
2. 回忆功能集成
现在可以启用"回忆"功能作为照片来源,这相当于一个智能相册,系统会自动选取有纪念意义的照片展示。用户可以通过配置文件、环境变量或URL参数三种方式启用此功能。
3. 相册排序控制
新版本提供了相册排序的灵活性,用户可以选择:
random(随机,默认)newest(最新优先)oldest(最旧优先)
这种排序方式同样支持通过配置文件、环境变量和URL参数三种方式设置。
本地化与用户体验优化
日期本地化显示
通过设置 LANG 环境变量,现在可以本地化显示照片元数据中的日期信息。系统支持多种语言代码,确保全球用户都能看到符合本地习惯的日期格式。
设备独立缓存
每个Kiosk设备现在使用独立的API调用缓存,这一改进显著减少了重复照片的出现,特别是在相册浏览场景中,提升了整体浏览体验。
渐进式Web应用(PWA)增强
针对iOS设备的PWA使用限制,v0.15.0 引入了动态manifest生成功能。通过配置内部重定向规则,用户可以创建带有特定查询参数的PWA快捷方式,解决了iOS上URL参数传递的问题。
性能与稳定性改进
- 改进了缩放过渡效果,采用线性过渡使操作更加平滑
- 增加了禁用GPU的选项,为老旧设备提供更好的兼容性
- 修复了时钟/天气组件在旧版浏览器中的显示问题
- 优化了禁用UI时的时钟显示逻辑
总结
Immich-Kiosk v0.15.0 通过引入多种布局选项、增强的相册管理功能和本地化支持,为用户提供了更加灵活和个性化的数字相框体验。设备独立缓存和PWA改进则从技术层面提升了系统的稳定性和可用性。这些更新使得Immich-Kiosk在家庭照片展示、商业数字标牌等场景中更具实用价值。
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 StartedRust0107- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00