Immich-Kiosk v0.19.0 版本发布:增强交互与过滤功能
Immich-Kiosk 是一个基于 Immich 自托管照片管理系统的数字相框解决方案,它可以将您的照片库变成一个优雅的幻灯片展示系统。最新发布的 v0.19.0 版本带来了多项实用功能增强,特别是新增了交互按钮和更精细的过滤控制,让用户能够更好地管理和展示自己的照片收藏。
新增交互按钮功能
本次更新最引人注目的变化是在照片信息叠加层中新增了两个实用的交互按钮:喜欢按钮和隐藏按钮。
喜欢按钮
喜欢按钮为用户提供了三种配置选项:
- 将照片标记为收藏(默认选项)
- 将照片添加到"Kiosk Favorites"相册
- 同时执行上述两个操作
这个功能特别适合在家庭或办公室的数字相框场景中使用,当看到喜欢的照片时,可以立即进行标记,方便后续查找和欣赏。
隐藏按钮
隐藏按钮同样提供了灵活的配置选项:
- 为照片添加"kiosk-skip"标签(默认选项)
- 归档照片
- 同时执行上述两个操作
这个功能对于那些不希望某些照片出现在公共展示中的场景特别有用,比如家庭聚会中可能包含一些私人照片,可以即时隐藏而不需要从相册中删除。
增强的过滤功能
v0.19.0 版本对过滤功能进行了多项增强,让用户能够更精确地控制哪些照片会出现在幻灯片中。
日期过滤器支持相册
日期过滤器现在可以应用于特定相册,例如可以只显示某个相册中最近90天的照片。这个功能通过URL参数即可实现,使用方式简单直观。
排除相册功能扩展
排除相册功能现在可以应用于所有来源的照片,而不仅仅是特定类型的展示。这意味着用户可以更全面地控制哪些相册的照片不应该出现在幻灯片中。
新增排除人物功能
这是一个全新的功能,允许用户指定不希望出现在幻灯片中的特定人物。这对于保护隐私或避免某些人物照片的展示非常有用。
时钟源选择
新版本增加了clock_source配置项,允许用户选择时钟的时间来源:
- 客户端时间(默认):使用设备本身的JavaScript获取时间
- 服务器时间:通过API调用获取Kiosk服务器的时间
对于性能较低的客户端设备,使用服务器时间可能会提供更稳定的体验。
其他改进
- 重定向类型现在默认为内部重定向
- 修复了视频范围头的问题
- 优化了图像方向修正逻辑,现在只对原始图像应用修正
技术实现亮点
从技术角度看,这些新功能的实现体现了几个值得注意的设计决策:
- 前后端分离:通过API端点提供服务器时间等功能,保持了前后端的清晰分离
- 配置灵活性:交互按钮的多选项配置体现了对用户不同使用场景的考虑
- 性能优化:如只对原始图像应用方向修正,避免了不必要的处理开销
- URL参数驱动:许多功能可以通过URL参数控制,便于集成和自动化
总结
Immich-Kiosk v0.19.0 通过新增的交互按钮和增强的过滤功能,为用户提供了更丰富的照片展示控制选项。这些改进不仅增加了实用性,也提升了用户体验,使得这个数字相框解决方案更加完善。特别是喜欢/隐藏按钮的即时反馈机制,让照片管理变得更加直观和便捷。对于已经使用Immich系统的用户来说,这个更新无疑会提升他们的照片展示体验。
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