Immich Kiosk v0.21.0 版本发布:离线模式与全新功能解析
Immich Kiosk 是一个专为照片展示设计的开源项目,它能够将 Immich 自托管照片库中的内容以精美的幻灯片形式展示在各种设备上。最新发布的 v0.21.0 版本带来了多项重要更新,特别是备受期待的离线模式支持,让用户在没有网络连接的情况下也能欣赏照片。
离线模式:无网络也能畅享照片
v0.21.0 版本最引人注目的功能莫过于离线模式的支持。这一功能允许 Kiosk 预先下载指定数量的照片到本地存储,即使在没有网络连接的情况下,设备仍然可以正常展示这些照片。
技术实现与配置
离线模式通过智能缓存机制实现,用户可以在配置文件中设置三个关键参数:
- 下载照片数量(number_of_assets)
- 最大占用存储空间(max_size)
- 缓存有效期(expiration_hours)
典型的配置示例如下:
offline_mode:
enabled: true
number_of_assets: 500
max_size: 50mb
expiration_hours: 24
应用场景与优势
这一功能特别适合以下场景:
- 当 Immich 存储位于 NAS 设备上时,可以避免频繁唤醒硬盘
- 网络不稳定或带宽有限的展示环境
- 需要长期展示但不想持续消耗网络资源的场合
需要注意的是,离线模式下部分高级功能如专辑排序、实验性媒体支持和点赞/隐藏按钮将不可用。
完全Kiosk浏览器集成
针对使用 Fully Kiosk Browser 专业版的用户,新版本增加了屏幕休眠调光功能。当设备进入休眠状态时,屏幕会自动调暗而非完全关闭,既节省能源又保持展示效果。这一改进通过简单的配置即可启用:
sleep_dim_screen: true
分屏视图的智能适配
分屏视图(layout=splitview)现在能够根据设备方向自动调整。当检测到竖屏显示时,系统会自动切换为 splitview-landscape 布局,确保最佳的展示效果。这一自适应特性大大提升了在各种设备上的用户体验。
新增展示元素与交互功能
资产所有者显示
新增的 show_owner 选项可以在照片信息中显示拍摄者信息,特别适合多人共享的照片库场景。
图片QR码
show_image_qr 功能会在照片旁显示一个QR码,扫描后可直接跳转到Immich中的对应照片页面,方便快速访问原始文件。
媒体静音控制
当启用实验性媒体功能(experimental_album_media)时,界面会新增静音/取消静音按钮。系统会记住用户的选择,并在刷新后自动恢复之前的设置。需要注意的是,由于浏览器安全限制,取消静音操作需要用户交互才能生效。
特殊场景解决方案
自动刷新端点
新增的 /image/reload 端点将原始图片包装在自动刷新的HTML页面中,这一设计特别适合电子墨水屏等特殊显示设备,解决了老旧设备可能存在的兼容性问题。
iframe集成
现在可以在Kiosk中嵌入自定义iframe内容,如天气信息、智能家居状态等,扩展了展示的可能性。这一功能通过简单的配置即可实现:
iframe:
enabled: true
url: "http://example.com"
refresh_interval: 60
稳定性与可靠性改进
超时处理增强
前端现在会遵循配置中的http_timeout设置。当API端点连续3次超时后,系统会自动重新加载浏览器,提高了在不可靠网络环境下的稳定性。
配置项重命名
为了保持一致性,pre_fetch配置项已更名为prefetch,这一变更不影响功能,但建议用户在升级时检查配置文件。
总结
Immich Kiosk v0.21.0 通过离线模式等创新功能,进一步巩固了其作为专业照片展示解决方案的地位。无论是家庭相册展示、商业场所装饰,还是特殊设备适配,新版本都提供了更灵活、更可靠的解决方案。对于追求稳定展示效果的用户,特别是那些网络环境不理想的场景,这次更新带来了显著的体验提升。
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