Prowlarr v1.34.1版本发布:索引器管理与下载优化
Prowlarr是一款专为媒体服务器设计的索引器管理工具,它能够帮助用户集中管理和配置各种索引器资源,并将这些资源无缝集成到Sonarr、Radarr等媒体管理工具中。作为一款开源项目,Prowlarr持续更新迭代,为媒体自动化管理提供强大支持。
版本更新亮点
本次发布的v1.34.1.5021版本主要针对索引器下载请求处理进行了优化,并修复了多个功能性问题。以下是本次更新的核心内容:
索引器下载请求处理增强
开发团队对索引器下载请求的处理机制进行了重要改进,现在能够正确处理307和308状态码的重定向请求。这两种状态码属于永久性重定向,与常见的302临时重定向不同,它们要求客户端在后续请求中继续使用新的URL地址。
这一改进意味着:
- 当索引器返回307或308重定向响应时,Prowlarr能够正确跟随重定向
- 提高了与各类索引器的兼容性
- 确保了下载请求的可靠性,减少因重定向处理不当导致的失败
时区偏移修正
针对特定资源站点,本次更新修正了时区偏移问题:
- 为AvistaZ资源站更新了正确的时区偏移设置
- 调整了FL(FileList)资源站的时区偏移配置
时区偏移的正确处理对于确保发布时间的准确显示至关重要,特别是在处理不同地区索引器的RSS订阅时。
解码功能修复
修复了SecretCinema索引器中版本信息(edition)解码失败的问题。此前在某些情况下,版本信息无法正确解析,导致搜索结果不完整或显示异常。此修复确保了媒体版本信息的准确获取和展示。
技术栈更新
本次发布包含了多项底层技术栈的更新:
- 将Microsoft.AspNetCore.WebUtilities降级到稳定版本
- 升级Swashbuckle至7.3.2版本,改进了API文档生成功能
- 更新了IPAddressRange、Npgsql和System.Text.Json等核心组件
- 针对不同平台构建工具链进行了优化
安装与升级指南
对于不同部署方式的用户,升级方法有所区别:
Docker用户: 必须通过更新容器镜像来完成升级,不支持在现有容器内直接更新Prowlarr。
非Docker用户: 可以通过设置中的更新功能切换到master分支获取后续更新。具体路径为:设置 -> 通用(显示高级设置) -> 更新 -> 分支。
多平台支持
Prowlarr继续保持对多种平台和架构的广泛支持,包括:
- Linux (x86/x64/ARM/ARM64)
- Windows (x86/x64)
- macOS (Intel/Apple Silicon)
- FreeBSD
每种平台都提供了对应的安装包和压缩包,用户可以根据自己的系统环境选择合适的版本进行安装或升级。
总结
Prowlarr v1.34.1版本虽然是一个小版本更新,但在索引器兼容性和稳定性方面做出了重要改进。特别是对307/308重定向的支持,解决了长期存在的某些索引器下载问题。时区偏移的修正也提升了用户体验,确保时间显示的准确性。对于依赖Prowlarr进行媒体管理的用户来说,及时升级到这个版本将获得更稳定可靠的服务。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08