OwnTone 28.11版本发布:音乐服务器的重要更新与优化
OwnTone是一款开源的媒体服务器软件,它允许用户在自己的网络中流式传输音乐和其他媒体内容。作为一款功能强大的音乐服务器解决方案,OwnTone支持多种协议,包括DAAP(iTunes共享协议)、MPD(音乐播放器守护进程协议)和AirPlay等,为用户提供了灵活的媒体共享和播放体验。
主要修复与改进
在线艺术品检索修复
28.11版本修复了从在线来源检索专辑封面的问题。这一改进对于依赖在线元数据的音乐库尤为重要,确保了用户能够正确获取和显示专辑封面,提升了视觉体验。
MPD功能增强
本次更新对MPD(音乐播放器守护进程)支持进行了多项改进:
- 修复了扬声器选择问题,使多房间音频设置更加可靠
- 升级至MPD 0.23.0版本,带来了多项新功能,包括getvol、readpicture和albumart等命令的支持
- 这些改进为使用MPD协议的客户端提供了更丰富的控制和信息获取能力
AirPlay兼容性修复
针对Apple Music/iTunes在AirPlay主机上无法正常工作的问题进行了修复,增强了与苹果生态系统的兼容性,确保用户能够无缝地通过AirPlay播放Apple Music内容。
新功能亮点
互联网电台增强
28.11版本为互联网电台添加了"Streamurl"选项,为用户提供了更灵活的电台流媒体配置方式。这一功能扩展了OwnTone作为互联网广播接收器的能力。
Web服务器架构优化
项目现在支持使用libevent作为WebSocket服务器替代libwebsockets。这一架构变更可能带来性能提升和资源占用优化,为Web界面提供更稳定的实时通信能力。
Web界面改进
Web用户界面获得了多项实用改进:
- 现在播放进度条在暂停时仍会保持更新,提供更一致的用户体验
- 新增了从外部网络访问服务器的功能,增强了远程访问的便利性
开发者工具
为开发者提供了Visual Studio Code的模板配置,简化了开发环境的搭建过程,体现了项目对开发者体验的重视。
API扩展
新增了直接设置skip_count和play_count的API接口,为第三方应用集成提供了更多可能性,特别是在播放统计和跳过计数方面的自定义控制。
技术细节优化
除了上述主要功能外,28.11版本还修复了autoconf警告,提升了构建过程的整洁度。这些小而重要的改进有助于维护项目的代码质量和构建稳定性。
总结
OwnTone 28.11版本在保持核心功能稳定的同时,带来了多项实用改进和新功能。从在线元数据检索的修复到MPD协议的增强,从AirPlay兼容性到Web界面优化,这些更新共同提升了音乐服务器的可靠性、功能性和用户体验。对于现有用户来说,升级到这个版本将获得更稳定和丰富的音乐服务体验;对于新用户而言,28.11版本提供了一个功能更加完善的起点。
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