Zigbee-herdsman-converters v23.54.0版本发布:新增设备支持与功能优化
Zigbee-herdsman-converters是Zigbee2MQTT项目的重要组成部分,它负责将各种Zigbee设备的专有协议转换为MQTT消息,使得不同厂商的Zigbee设备能够无缝集成到智能家居系统中。本次发布的v23.54.0版本主要带来了新设备支持、OTA功能增强以及一些重要的错误修复。
新增设备支持
本次更新中,项目新增了对ZSS-S01-GWM-C-MS设备的支持。这是一款来自Zemismart的智能窗帘电机控制器,能够通过Zigbee网络实现对电动窗帘的精确控制。开发团队通过添加该设备的转换器定义文件,使其能够与Zigbee2MQTT生态系统完美兼容。
OTA功能增强
对于Innr品牌的RF 271 T和RF 273 T两款智能插座设备,本次更新启用了OTA(Over-The-Air)固件升级功能。这意味着用户现在可以直接通过Zigbee网络为这些设备推送最新的固件更新,无需手动操作,大大提升了设备维护的便利性和安全性。
错误修复与改进
在设备识别方面,开发团队修复了一个设备检测问题。原先某些特定型号的Zemismart ZMS-206EU-2设备可能无法被正确识别,现在通过更新设备指纹匹配规则,确保了这些设备能够被准确识别并加载正确的转换器配置。
另一个重要修复是针对SmartThings IM6001-MPP01设备的配置问题。该设备在之前的版本中可能会出现配置失败的情况,影响正常使用。通过分析底层通信协议,开发团队优化了配置流程,解决了这一稳定性问题。
技术意义
这次更新体现了Zigbee-herdsman-converters项目对设备兼容性的持续关注。通过不断扩展支持的设备列表和优化现有设备的支持质量,项目为构建更加开放、互操作性更强的智能家居生态系统做出了重要贡献。特别是OTA功能的启用,展示了项目对设备长期维护和安全性提升的重视。
对于终端用户而言,这些更新意味着更广泛的设备选择范围和更稳定的使用体验。对于开发者社区,这些改进则提供了更完善的参考实现,有助于进一步推动Zigbee生态的发展。
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