DeepChat 2.2.0版本发布:聚焦模式与智能实时API等重磅更新
DeepChat是一个功能强大的开源聊天组件库,它提供了丰富的API接口和高度可定制的UI界面,使开发者能够轻松构建现代化的AI聊天应用。该项目支持多种聊天模式、语音交互、文件上传等功能,并且可以与各种AI服务无缝集成。
聚焦模式:打造现代化AI聊天体验
DeepChat 2.2.0版本引入了全新的聚焦模式(Focus Mode),这一功能专为提供更简洁、更专注的聊天体验而设计。在聚焦模式下,界面仅显示最新的消息交换,隐藏了历史对话记录,从而为用户创造了一个更加沉浸式的聊天环境。
这种模式特别适合以下场景:
- 构建现代AI助手应用
- 需要简化界面的移动端应用
- 希望突出当前对话内容的场景
开发者可以通过简单的配置启用这一功能,为用户提供更加专注的聊天体验。
智能实时API支持:语音到语音通信
2.2.0版本新增了对智能实时API的支持,这使得开发者能够实现语音到语音的直接通信功能。这一特性为构建语音交互应用提供了强大的基础,可以用于:
- 语音助手开发
- 实时语音翻译应用
- 无障碍通信工具
通过集成这一功能,开发者可以轻松创建支持自然语音交互的应用程序,大大提升了用户体验。
增强的UI定制能力
新版本在UI定制方面也做了多项改进:
-
自定义按钮:开发者现在可以完全自定义聊天界面中的按钮样式和行为,使其更符合应用的整体设计风格。
-
多消息响应:现在一个响应可以包含多条消息,这使得聊天机器人能够以更自然的方式组织回复内容。
-
加载状态控制:新增了
displayLoadingBubble属性,允许开发者手动控制消息加载状态指示器的显示,特别适用于WebSocket连接场景。 -
头像回退机制:当指定的头像图片无法加载时,组件会自动回退到默认图像,确保界面始终完整显示。
技术架构改进
在底层架构方面,2.2.0版本也带来了多项重要更新:
-
可读流API支持:现在可以直接连接到可读流API,为处理大量数据或实时数据流提供了更好的支持。
-
自定义消息属性:响应消息中现在可以包含自定义属性,为开发者提供了更大的灵活性。
-
Azure语音识别增强:新增了
autoLanguage、endpointId和deviceId属性,进一步提升了Azure语音转文本功能的可配置性。 -
智能助手自定义:通过
custom_base_url属性,开发者现在可以指定自己的服务器作为智能助手的后端。 -
Azure智能数据源:Azure智能接口新增了
data_sources属性,方便开发者连接个人数据源。
无障碍与用户体验优化
DeepChat团队始终重视产品的可访问性和用户体验,在2.2.0版本中:
- 为文本输入按钮添加了ARIA角色和标签属性,提升了屏幕阅读器的兼容性
- 在移动设备上优化了回车键和输入法编辑器的行为,防止意外提交消息
- 改进了WebSocket在演示模式下的支持
社区贡献与未来发展
本次更新还包含了社区贡献的Elixir Phoenix示例代码,展示了DeepChat与不同技术栈的集成能力。DeepChat团队对赞助商的支持表示了感谢,这体现了项目在开源社区的活跃度和受欢迎程度。
DeepChat 2.2.0版本的发布,标志着该项目在功能丰富性、用户体验和技术深度上又迈出了重要一步。无论是构建简单的聊天界面,还是开发复杂的AI交互系统,DeepChat都提供了强大而灵活的工具支持。
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