Cherry Studio 1.2.5版本多语言支持问题分析与解决方案
问题背景
在Cherry Studio 1.2.5版本中,用户报告了一个关于多语言支持的严重问题。当用户在macOS系统上使用该版本时,文件选择器和开发者工具界面意外地显示为俄文界面,即使用户的系统语言设置为英语或其他语言。
问题现象
具体表现为:
- 文件选择器界面显示俄文
- 开发者工具检测到的当前语言为俄语(ru)
- 即使用户的系统语言设置为en-SG,应用语言设置为English,问题依然存在
问题根源分析
经过开发团队的深入调查,发现问题的根本原因在于语言包打包机制存在缺陷:
-
语言标识符格式问题:macOS系统与其他操作系统对语言标识符的格式要求不同。在macOS上需要使用下划线格式(如zh_CN),而其他平台使用连字符格式(如zh-CN)
-
打包过滤问题:由于ru语言标识符不包含特殊符号,在打包过程中没有被正确过滤掉,导致只有俄语语言包被打包进最终的应用中
-
版本控制问题:1.2.5版本发布时这个问题尚未解决,导致所有用户都会受到影响
技术细节
在macOS系统中,语言资源文件需要放置在特定的.lproj目录中。正确的做法是:
- 为每种支持的语言创建对应的.lproj目录
- 使用正确的语言标识符格式(如en.lproj、zh_CN.lproj)
- 确保所有语言资源文件都被正确打包
解决方案
开发团队已经通过以下方式解决了这个问题:
-
统一语言标识符处理:修改了构建脚本,确保在不同平台上使用正确的语言标识符格式
-
全面测试:在macOS、Windows和Linux三个平台上进行了全面测试,验证了多语言支持的正确性
-
版本修复:这个问题在后续版本中已经得到修复
对于遇到此问题的用户,可以采取以下临时解决方案:
-
手动创建语言目录:在CherryStudio.app/Contents/Resources目录下手动创建所需的.lproj文件夹
-
等待更新:升级到已修复该问题的后续版本
经验总结
这个案例给我们提供了几个重要的经验教训:
-
跨平台开发注意事项:在进行跨平台开发时,必须注意不同操作系统对相同功能的不同实现方式
-
语言本地化测试:多语言支持需要在实际设备上进行全面测试,不能仅依赖模拟环境
-
构建系统验证:构建脚本的修改需要进行充分的验证,确保不会影响最终产物的功能
-
版本发布检查:在发布新版本前,应该对所有关键功能进行回归测试
结语
Cherry Studio团队已经迅速响应并解决了这个多语言支持问题。这个案例展示了开源社区协作解决问题的效率,也提醒我们在软件开发中需要注意平台差异带来的潜在问题。对于用户来说,保持应用更新是避免此类问题的最佳实践。
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