ImageGlass 15周年纪念版发布:9.3.0版本全面升级
ImageGlass是一款轻量级、高性能的Windows平台图片查看器,以其简洁的界面和强大的功能受到广大用户的喜爱。在项目成立15周年之际,开发团队推出了9.3.0.514版本,带来了一系列令人振奋的新特性和改进。
项目简介
ImageGlass作为Windows平台上优秀的开源图片查看器,专注于提供快速、流畅的图片浏览体验。它支持多种图片格式,拥有丰富的自定义选项,并且完全免费。15年来,ImageGlass不断进化,已经成为许多专业用户和普通用户的首选图片查看工具。
重大架构更新
本次9.3.0版本最显著的改变是应用架构的全面升级。新版本采用了**自包含(self-contained)**的部署方式,这意味着用户不再需要单独安装.NET Desktop Runtime环境。这一改变大大简化了安装流程,降低了使用门槛,同时也提升了应用的启动速度和运行效率。
核心新特性
1. 颜色反转功能
新增的"颜色反转"功能让用户可以一键将图片颜色进行反转,这在查看X光片、夜间浏览图片等场景下特别有用。该功能通过简单的算法转换,能够快速生成负片效果,为用户提供另一种查看图片的视角。
2. 扩展格式支持
9.3.0版本增加了对多种专业图片格式的支持:
- SVGZ:压缩的SVG矢量图形格式
- JXR:JPEG XR高动态范围图像格式
- HDP/WDP:Windows媒体照片格式
特别是对SVGZ的支持,使得用户可以直接查看压缩后的矢量图形文件,而无需先解压。
3. 动态照片支持
新版本能够识别并显示JPEG文件中嵌入的Live Photo动态内容。这项功能完美兼容苹果设备拍摄的动态照片,让Windows用户也能体验到照片的动态效果。
4. 文件资源管理器排序优化
重新设计的文件排序系统现在能够完全匹配Windows资源管理器的排序方式,包括:
- 支持.search-ms搜索结果的排序
- 实时同步资源管理器的排序变化
- 保持与资源管理器一致的排序体验
技术改进与优化
性能提升
- 升级至.NET 9框架,带来更好的性能和安全性
- 更新Magick.NET图像处理库至v14.6版本,提升图像解码效率
- 优化HEIC格式读取参数,解决"Security limit exceeded"错误
用户体验改进
- SVG查看器现在只会在图像边界内显示棋盘背景,视觉效果更专业
- 帧导航工具会记住上次使用的状态,减少重复设置
- 移除已弃用的"启用图像过渡"设置,简化配置选项
- 改进缩略图生成算法,提升画廊栏的加载速度
重要问题修复
9.3.0版本解决了多个影响用户体验的问题:
- 修复了快速缩放时焦点偏移的问题
- 修正了图像预加载功能在某些情况下的失效问题
- 解决了多显示器不同DPI设置下裁剪工具和取色工具的崩溃问题
- 修复了JPEG XL HDR图像在非HDR系统上显示异常的问题
系统要求变更
随着架构升级,新版ImageGlass的系统要求也有所调整:
- 最低需要Windows 10/11 64位版本1809(17763)或更高
- 可选安装WebView2 Runtime以增强SVG支持
总结
ImageGlass 9.3.0版本作为15周年纪念版,不仅在功能上有了显著提升,更在架构上实现了重要突破。自包含的部署方式、扩展的格式支持、优化的排序系统以及多项性能改进,都使得这款图片查看器更加成熟和完善。对于追求高效图片浏览体验的用户来说,这次升级无疑带来了更多惊喜。
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