Hydrus Network v606版本发布:标签排序优化与自动重复文件处理
项目简介
Hydrus Network是一款开源的媒体文件管理工具,专为需要处理大量数字媒体的用户设计。它提供了强大的标签系统、灵活的搜索功能以及高效的重复文件检测机制,特别适合艺术家、收藏家和研究人员使用。
核心更新内容
标签排序功能增强
本次版本对标签排序系统进行了重大改进:
-
命名空间强制排序:用户现在可以自定义命名空间的显示顺序。例如,可以设置"creator"标签优先显示,其次是"series"、"character"等。这一功能通过
options->sort/collect中的新列表进行配置,默认顺序为[ creator, series, character, species, unnamespaced, meta ]。 -
Unicode字符处理优化:改进了特殊Unicode字符(如'ß'与'ss')的排序逻辑,确保更准确的比较结果。
-
非ASCII命名空间排序:修复了非ASCII命名空间在分组排序时的显示问题,确保它们能正确显示在未命名空间标签之前。
用户界面改进
-
文件历史图表:数据库中的文件历史图表现在包含所有四条线的复选框,更新速度更快,旧搜索图表会被及时清理。
-
缩略图图标优化:
- 修正了"collection"缩略图图标在新"show ratings on thumbs"设置下的位置问题
- 改进了集合计数背景颜色覆盖范围
- 优化了图标和文本的定位逻辑
-
评分显示改进:调整了缩略图上评分显示的背景颜色,使用标准的QSS窗口面板颜色,确保在各种情况下都清晰可见。
-
元数据展示:文件右键菜单的元数据子菜单现在包含精确的文件大小(字节数),顶部悬停窗口的"EXIF和其他信息"按钮位置调整并增加了新图标。
技术架构优化
-
媒体列表重构:将"listening media list"从可导航画布子类中重构出来,改为在对象内部处理底层列表。
-
重复过滤器改进:优化了重复过滤器的内容更新机制,文件对删除后的处理逻辑现在更安全地封装在同一个原子事件中。
-
信号机制升级:将浏览器媒体查看器到底层缩略图网格的旧式"remove media"发布/订阅模式更新为更现代的Qt信号机制。
-
布局修复:修正了"edit shortcuts set"和"edit subscription"面板中的布局问题。
重复文件自动处理功能进展
-
数据库模块拆分:将数据库模块分为搜索端和存储端两部分,主(重复)数据库模块现在会跟踪存储并更新新的/已解决的潜在重复文件对。
-
规则管理统一:合并了规则设置功能,添加了搜索重置代码。
-
状态缓存:实现了用于快速审查规则进度的状态计数缓存。
-
维护代码改进:优化了孤立规则和文件对的维护代码。
-
搜索匹配技术:完善了"检查未搜索对是否匹配搜索"和"检查搜索匹配对是否符合自动重复规则"的技术。
-
结果生成重构:将媒体结果生成和缓存代码从单一的
ClientDB重构到新模块中。
未来构建预览
开发团队发布了包含以下更新的测试版本:
-
图像处理:添加了Jpeg-XL支持,OpenCV更新至4.10.0.84版本。
-
Python支持:numpy升级至2.0.0以上版本,增加了Python 3.13支持。
-
多媒体:mpv播放器包更新至1.0.7版本。
-
网络功能:Twisted引擎增强了TLS和HTTP2支持。
-
构建优化:移除了帮助旧版PyInstaller处理numpy和OpenCV打包的一些导入技巧。
这些更新为Hydrus Network带来了更强大的媒体处理能力和更好的兼容性,特别是对专业用户处理大量媒体文件时的效率和准确性有显著提升。
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