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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00