Shaka Player 4.13.19版本发布:关键修复与性能优化
Shaka Player是由谷歌开发并开源的一款功能强大的媒体播放器库,专注于提供高质量的DASH、HLS等流媒体格式播放支持。作为现代Web媒体播放的重要解决方案,Shaka Player以其稳定性、跨平台兼容性和丰富的功能集著称。最新发布的4.13.19版本带来了一系列重要的错误修复和性能优化,进一步提升了播放体验。
核心功能修复
本次更新中最值得关注的改进之一是解决了章节API在部分浏览器上的兼容性问题。开发团队修复了在不支持track元素的浏览器上使用章节API的功能,这意味着现在即使在较老或功能有限的浏览器环境中,用户也能正常使用章节导航功能。
对于DASH直播流的处理,新版本修复了当内容包含Period持续时间定义时的播放问题。这一改进确保了直播内容在不同场景下的稳定播放,特别是在处理复杂时间线结构的直播流时表现更为可靠。
在HLS格式支持方面,开发团队解决了字幕轨道在跳转后消失的问题。这个修复对于依赖字幕的多语言用户尤为重要,确保了字幕在整个播放过程中的持续显示。
DRM与平台兼容性增强
针对PlayReady数字版权管理系统的支持,4.13.19版本特别优化了在Firefox浏览器上的兼容性。这一改进使得采用PlayReady加密的内容能够在更广泛的浏览器环境中正常播放,扩展了内容保护方案的应用范围。
用户体验优化
新版本对播放器UI进行了多项改进。其中一项重要更新是禁用了在投屏模式下的双击全屏功能,避免了用户在使用投屏时可能出现的操作冲突。同时,播放器现在能够更智能地同步音量和静音状态,无论是在加载新内容还是切换投屏模式时,都能保持一致的音频设置。
对于直播内容的处理,开发团队优化了seekable range的设置和清除时机,确保直播流的时间轴导航更加准确可靠。这一改进特别有利于长时间直播内容的观看体验。
性能提升
在性能方面,4.13.19版本带来了两项重要优化。首先是减少了流DRM信息的重复处理,通过优化内部处理流程,降低了资源消耗。其次,针对Tizen平台进行了特定优化,移除了在检查类型支持时不必要的extendedType处理,提升了在三星智能电视等设备上的性能表现。
这些性能优化虽然对终端用户来说可能不易察觉,但确实能够带来更流畅的播放体验,特别是在资源有限的设备上效果更为明显。
总结
Shaka Player 4.13.19版本虽然是一个维护性更新,但包含的多项修复和优化对于提升播放稳定性、扩展兼容性和改善用户体验都具有重要意义。从DASH直播处理到HLS字幕显示,从DRM支持到UI交互,再到底层性能优化,这次更新体现了Shaka Player团队对产品质量的持续追求。对于开发者而言,升级到这个版本将能够为用户提供更加稳定和高效的流媒体播放体验。
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