Sigal 2.5 版本发布:图库生成器的全面升级
Sigal 是一个基于 Python 的静态图库生成器,它能够将您的照片和视频集合转换为精美的网页图库。作为一个轻量级工具,Sigal 支持多种图片格式,提供了丰富的主题和插件系统,让用户可以轻松定制自己的图库网站。最新发布的 2.5 版本带来了多项功能改进和性能优化,进一步提升了用户体验。
核心功能增强
HEIC 格式支持
2.5 版本新增了对 HEIC 格式图片的基本支持。HEIC 是苹果设备常用的高效图像格式,这一改进使得使用 iPhone 或其他苹果设备拍摄的照片能够直接被 Sigal 处理,无需用户预先转换格式。虽然目前只是基础支持,但这为未来更全面的 HEIC 功能集成奠定了基础。
时间戳显示功能
新增的 display_timestamp 配置选项允许用户控制是否在图片上显示拍摄时间戳。这一功能对于摄影爱好者特别有用,他们可以方便地展示照片的拍摄时间信息。时间戳的显示格式和位置可以通过主题进行自定义,提供了良好的灵活性。
性能优化
静态文件处理改进
开发团队对静态文件处理机制进行了重要优化。现在,主题相关的静态文件只需复制一次,而不是每次生成页面时都复制。这一改变显著减少了文件 I/O 操作,特别是对于大型图库项目,能够明显缩短生成时间。
输入尺寸缓存
引入了输入尺寸缓存机制,系统会记住已处理图片的原始尺寸信息。当用户更新图库内容时,Sigal 可以跳过重复测量图片尺寸的步骤,直接使用缓存数据。这一优化使得增量更新操作更加高效,特别适合频繁添加新照片的工作流程。
用户体验提升
浏览器自动打开功能
sigal serve 命令新增了 --browser 选项。使用此选项时,Sigal 会在启动本地服务器后自动打开默认浏览器访问图库页面。这一便利功能简化了预览流程,让开发者能够更快速地查看修改效果。
排序功能增强
排序功能现在支持负数排序值。这意味着用户可以更灵活地控制图片和相册的显示顺序,特别是当需要将某些项目强制置顶或置底时。这一改进为内容组织提供了更多可能性。
主题系统改进
2.5 版本对主题系统进行了底层优化,确保主题和插件相关的数据文件能够被正确打包和分发。这一改进使得主题开发者能够更可靠地包含所需的资源文件,提高了主题的兼容性和可移植性。
其他改进
- 更新了内置的 PhotoSwipe 库至第 5 版,带来了更好的图片浏览体验和性能
- 优化了配置文件的注释说明,使
keep_orig等选项的默认值更加清晰 - 通过依赖项更新提高了整体安全性
Sigal 2.5 版本的这些改进使得这个已经相当成熟的图库生成工具更加完善。无论是性能优化还是新功能增加,都体现了开发团队对用户体验的持续关注。对于需要展示摄影作品或管理大量图片的用户来说,升级到 2.5 版本将获得更流畅、更强大的图库生成体验。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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 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
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