Plover 4.0.0rc5 版本发布:开源速记软件的重大更新
Plover 是一款开源的速记软件,它允许用户通过专门的速记键盘或普通键盘输入速记符号,并将其转换为普通文本。作为开源速记项目的核心产品,Plover 正在经历一次重大的架构更新,旨在为用户和开发者提供更好的体验。最新发布的 4.0.0rc5 版本是这一系列更新中的第五个候选版本。
重要更新内容
用户界面改进
Plover 4.0.0rc5 对用户界面进行了多项优化。在串行端口配置窗口中,"Scan"按钮被更名为"Refresh",这一改动更准确地反映了该按钮的功能——它实际上是列出所有可用的串行端口,而非执行扫描操作。此外,插件管理器新增了一个功能按钮,支持通过 Git URL 直接安装插件,这为高级用户提供了更灵活的插件管理方式。
Linux 平台增强
对于 Linux 用户,这个版本带来了重要的功能增强。通过集成 uinput 支持,Plover 现在能够在 X11、Wayland 以及其他 Linux 和 BSD 系统上实现键盘模拟和捕获功能。这一改进大大扩展了 Plover 在 Linux 环境下的兼容性和可用性。
Windows 平台修复
Windows 用户将注意到一些键盘相关问题的修复。开发团队修正了退格键的扫描码问题,并调整了 Page Up/Page Down 键的映射关系,这些修复将提升 Windows 平台下的输入体验。
API 变更
在 API 层面,4.0.0rc5 版本对宏命名进行了调整。所有 =retrospective_* 形式的宏被简化为 =retro_*,虽然旧名称仍然保留以保持向后兼容性,但已被标记为不推荐使用。开发者应逐步迁移到新的命名约定。
安装注意事项
由于 Plover 4.0 是一个重大版本更新,其配置文件格式与 3.x 及更早版本不兼容。用户在升级前务必备份现有的 plover.cfg 文件,以免配置丢失。
技术意义
Plover 4.0.0rc5 的发布标志着该项目在跨平台兼容性和用户体验方面取得了重要进展。特别是 Linux 平台下 uinput 的集成,解决了长期以来在非 X11 环境下的输入问题,为 Wayland 用户提供了原生支持。Windows 平台键盘映射的修复则体现了开发团队对不同操作系统细节的关注。
对于开发者而言,API 的命名规范化虽然看似微小,但反映了项目在长期维护性和代码一致性方面的考量。这种前瞻性的设计决策有助于保持代码库的整洁和可维护性。
总结
Plover 4.0.0rc5 作为向最终稳定版迈进的重要一步,带来了多项实质性改进和修复。无论是普通用户还是开发者,都能从这个版本中获得更好的体验。随着项目的持续发展,Plover 正在成为开源速记领域更加成熟和可靠的选择。
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