Jasmine漫画阅读器v1.7.6版本技术解析
Jasmine是一款开源的漫画阅读器应用,支持多平台运行,包括Android、iOS、Windows和macOS等。该项目采用Flutter框架开发,具有跨平台特性,同时提供了丰富的漫画阅读和管理功能。最新发布的v1.7.6版本带来了一系列功能增强和用户体验优化。
核心功能升级
界面与交互优化
本次更新对阅读器的文字显示进行了改进,特别是评论区文字大小现在支持自定义调整,满足不同用户的阅读偏好。手势操作方面也进行了消歧处理,采用了与pikapika类似的手势识别逻辑,使操作更加直观准确。
阅读器还新增了页码显示功能,方便用户快速定位当前阅读进度。对于下载管理界面,现在可以根据阅读时间进行倒序排序,帮助用户快速找到最近阅读的内容。
收藏与记录管理
收藏功能得到显著增强,用户现在可以创建、删除和重命名收藏夹,还能直接将漫画放入指定收藏夹中。浏览记录管理也更加灵活,支持通过长按操作删除单个浏览记录。
下载与导出能力
下载功能新增了一项实用特性:即使下载未完成,用户也可以导出PDF格式的漫画内容。这对于网络不稳定环境下的用户特别有价值,可以随时保存已下载的部分内容。
技术架构改进
跨平台支持扩展
v1.7.6版本的一个重要突破是新增了对鸿蒙手机的支持,以无签名HAP包的形式提供。虽然需要用户自行签名安装,但这标志着Jasmine向更广泛的设备生态迈出了重要一步。
网络性能优化
在API和内容分发方面,项目增加了更多分流选项。默认图片分流调整为分流3,同时允许用户手动输入自定义API/CDN地址,为高级用户提供了更多网络优化选择。
底层框架升级
项目将Flutter版本升级到了3.22,这带来了性能提升和新特性支持。Flutter 3.22在渲染管线、内存管理和平台通道等方面都有改进,有助于提升Jasmine的整体运行效率。
用户体验细节打磨
设置界面进行了重新分类整理,使各项功能选项更加清晰易找。评论区现在能够显示小图片表情,增强了社交互动体验。自动签到功能的加入则为用户提供了更便捷的日常使用体验。
在视觉设计方面,红色叉号等UI元素进行了优化调整,减少了视觉突兀感,使整体界面更加和谐统一。
总结
Jasmine v1.7.6版本通过功能增强和细节优化,进一步提升了漫画阅读体验。从核心阅读功能到辅助管理工具,从界面交互到底层性能,各方面都得到了完善。特别是对鸿蒙系统的初步支持,展现了项目团队对多平台适配的持续投入。这些改进使得Jasmine在开源漫画阅读器领域中保持了竞争力,为用户提供了更加全面和优质的选择。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00