dash.js v5.0.1版本发布:MPEG-DASH播放器的重要更新
项目简介
dash.js是一个开源的JavaScript库,用于在Web浏览器中播放基于MPEG-DASH标准的自适应流媒体内容。作为DASH行业论坛(DASH-Industry-Forum)维护的核心项目,它为开发者提供了在网页中实现高质量流媒体播放的能力,支持各种自适应比特率切换、DRM保护内容播放等高级功能。
核心功能增强
SegmentTemplate.endnumber支持
本次更新中,dash.js新增了对MPEG-DASH中SegmentTemplate.endnumber属性的支持。这一特性允许内容提供商明确指定媒体片段的结束编号,为播放器提供了更精确的片段边界信息。对于需要精确控制媒体片段范围的应用场景,这一改进尤为重要。
自动化部署流程
开发团队引入了多项GitHub Actions工作流,实现了对主分支推送操作的完全自动化部署流程。这一改进显著提升了开发效率,确保了代码变更能够快速、可靠地部署到生产环境。
内容导向(Content Steering)优化
在内容导向功能方面,本次更新带来了两个重要改进:
- 允许覆盖具有相同serviceLocation的现有BaseURLs,这一变化使得内容导向策略能够更灵活地处理不同来源的媒体内容。
- 每次内容导向清单更新后自动更新可用的BaseURLs,确保播放器始终使用最新的内容分发网络信息。
音轨选择算法改进
音频轨道选择机制得到了显著增强:
- 新增了计算最佳压缩效率音频轨道的功能,使播放器能够基于编码效率智能选择音轨
- 修复了基于轨道ID的初始轨道选择设置问题,提升了多语言和多音轨场景下的用户体验
DRM与加密相关改进
在数字版权管理方面,本次更新包含多项重要改进:
- 启用了对不提供清单中DRM信息但依赖pssh盒的流媒体的密钥状态处理
- 修复了具有不同加密密钥的轨道切换问题
- 解决了无DRM保护内容的轨道切换时的密钥状态检查问题
性能与稳定性提升
-
事件分发性能优化:针对事件分发机制进行了性能调优,减少了在高频率事件场景下的性能开销。
-
低延迟场景改进:
- 新增了低延迟卡顿阈值配置选项,允许开发者根据具体网络条件调整卡顿检测灵敏度
- 修复了使用MediaCapabilitiesAPI时的帧率计算问题
-
字幕处理增强:修复了TTML字幕解析错误捕获机制,提升了字幕显示的可靠性。
URL处理改进
对URL查询参数处理逻辑进行了优化:
- 修复了从URL中移除特定参数时的查询参数调整问题
- 提升了内容导向中最后使用路径顺序的保持能力
类型定义与API完善
修复了index.d.ts中filterVideoColorimetryEssentialProperties的拼写错误,确保了TypeScript类型定义的准确性。同时,改进了回调事件处理,将UInt8负载正确解析为字符串,并适配了新的请求对象模型。
总结
dash.js v5.0.1版本在功能、性能和稳定性方面都带来了显著提升。从内容导向的灵活性增强到DRM处理的完善,从音轨选择算法的改进到自动化部署流程的建立,这些变化共同推动了MPEG-DASH播放技术的进步。对于开发者而言,这些改进意味着更强大的功能和更可靠的播放体验;对于最终用户,则意味着更流畅、更高质量的视频流媒体服务。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0111
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00