PsychoPy 2025.1.0 版本深度解析:心理学实验工具的重大升级
PsychoPy 是一个开源的心理学实验构建工具,它允许研究人员通过图形化界面或Python代码创建精确的心理学实验。该工具因其跨平台特性和精确的刺激呈现能力而广受心理学、神经科学领域研究人员的欢迎。2025年1月发布的PsychoPy 2025.1.0版本带来了多项重要改进和新功能,本文将对这些更新进行详细解析。
核心功能升级
视觉与音频时序验证器
新版本引入了视觉和音频时序验证器,这是一个重大改进。这些验证器能够自动持续地测试刺激呈现的时间准确性,解决了心理学实验中长期存在的时间精度验证难题。对于需要严格控制呈现时间的实验设计,如注意力瞬脱或快速序列视觉呈现(RSVP)范式,这一功能尤为重要。
多媒体功能增强
在多媒体处理方面,2025.1.0版本有多项改进:
-
YouTube视频支持:现在可以直接在Builder界面中使用YouTube视频作为电影刺激,这为需要呈现复杂视觉材料的实验提供了便利。
-
音频处理优化:音频播放和录制功能得到显著提升,新增了自动重采样功能,消除了"采样率不支持"的错误。此外,麦克风组件新增了
.getCurrentVolume方法,可以实时获取音量信息。 -
无限时长录音:新版本支持无限时长的音频录制,这对于需要长时间记录被试口头反应的实验特别有用。
人脸API集成
新版本通过Face API插件集成了人脸识别功能,研究人员现在可以直接在Builder界面中使用这一功能。这为面部表情识别、情绪识别等相关研究提供了便利工具。
实验构建与执行改进
设备支持增强
-
眼动仪校准点自定义:现在可以使用任何视觉刺激作为眼动仪校准点,提高了校准过程的灵活性和生态效度。
-
声音传感器组件:新增的声音传感器组件可以从麦克风或专用VoiceKey设备获取布尔值响应。目前支持BBTK T-Pad、Cedrus RB/Riponda/StimTracker等专业设备。
-
游戏手柄支持:Joystick类现在支持死区设置、插件和按钮映射,为需要游戏手柄输入的研究提供了更好的支持。
实验流程控制
-
强制结束Routine选项:声音组件新增了"强制结束Routine"选项,增强了实验流程控制的灵活性。
-
跳过试验时的行为优化:当试验被跳过时,现在会自动结束当前试验中的所有Routine,确保了实验流程的连贯性。
用户体验与开发效率提升
用户界面改进
-
搜索功能增强:Builder界面新增了区分大小写的搜索、实时搜索和正则表达式搜索功能,大大提高了大型实验项目的导航效率。
-
快捷键优化:新增了多个快捷键,包括实验设置(CTRL+SHIFT+X)和"在文件资源管理器中显示"(ALT+SHIFT+R)等。
-
启动速度优化:通过缓存插件图标和多项其他优化,应用程序的启动速度得到显著提升。
开发者工具
-
插件管理改进:插件对话框增加了"更新"按钮,当插件版本不是最新时会显示。此外,对于未安装插件提供的组件,现在可以直接从界面获取插件。
-
参数获取功能:新增了从刺激获取参数的功能,可以用于重新创建刺激,这对实验代码的复用和调试很有帮助。
技术架构优化
-
OpenGL管道现代化:开始向支持Pyglet v2.0的现代化OpenGL管道迁移,为未来的图形性能提升奠定了基础。
-
音频架构改进:音频设备现在可以通过名称而非索引指定,提高了代码的可读性和可维护性。同时支持非WASAPI音频设备,增强了兼容性。
-
错误处理增强:改进了多种错误处理机制,包括设备未找到错误的专门处理,以及更友好的导入错误提示。
兼容性变更说明
-
循环生成的CSV文件命名:现在在文件名和循环名之间使用下划线分隔。
-
麦克风组件参数变更:移除了"采样率"和"通道"参数,因为这些信息现在可以从设备自动检测。
-
键盘后端默认设置:由于ioHub在某些设备上的问题,新实验的默认键盘后端改为psychtoolbox。
PsychoPy 2025.1.0版本的这些改进和新增功能,不仅提升了实验构建的灵活性和精确性,也大大改善了用户体验。对于心理学和认知神经科学领域的研究人员来说,这些更新将有助于创建更复杂、更精确的实验范式,同时降低技术门槛和开发难度。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00