Ampache 7.3.0版本发布:性能优化与功能增强
2025-06-15 00:01:46作者:昌雅子Ethen
Ampache是一款开源的媒体服务器和流媒体应用,它允许用户通过网页界面管理和播放音乐、视频等多媒体内容。作为一个功能强大的媒体管理平台,Ampache支持多种客户端访问方式,包括Web界面、移动应用和第三方客户端。
性能显著提升
本次7.3.0版本更新最引人注目的是系统性能的大幅提升。开发团队通过多种优化手段实现了这一目标:
-
移除冗余格式化操作:在对象操作过程中,移除了大量不必要的格式化和简单属性处理,显著减少了处理时间。
-
预翻译机制:在加载媒体模板前预先翻译常用字符串,减少了重复翻译操作,提高了页面响应速度。
-
数据库优化:改进了catalog_map表的插入和删除操作,针对不同媒体类型只收集相关的垃圾映射,提高了数据库操作效率。
验证与标签系统改进
新版本对验证和标签系统进行了多项改进:
-
验证过程优化:不再检查文件修改时间,而是直接使用数据库中的last_update值,减少了文件系统操作。
-
标签处理增强:
- 修复了标签大小写变化检测的问题
- 从tag_map表中移除隐藏标签
- 在验证过程中正确更新父标签列表
- 防止将字符串标签放入整数列表进行比较
-
空专辑清理:在每次验证块处理后自动清理空专辑,保持数据库整洁。
新增功能与改进
-
界面增强:
- 新增选项显示播放列表媒体的独立艺术家列
- 在查询统计输出中添加memory_get_peak_usage信息
- 分享列表增加HTML链接
-
自动插入字段:
- 新增% B(专辑艺术家)和% m(歌曲艺术家和专辑艺术家)字段
- 移除了视频目录中不常用的% S、% n和% e字段
-
搜索功能扩展:
- 为歌曲、专辑、专辑磁盘和艺术家搜索新增了流派计数相关字段
-
安全性增强:
- 在web根目录添加.htaccess.dist文件,阻止明显错误的参数
- 使用随机字符串生成Easy Captcha ID,提高安全性
问题修复
-
媒体访问控制:
- 确保用户只能访问其目录权限内的媒体
- 修复了直接链接访问隐藏或禁用目录媒体的问题
-
数据库一致性:
- 修复了构建歌曲缓存时遗漏album_disk列的问题
- 正确处理允许空值的数据库属性
-
功能修复:
- 修复了播客剧集加载问题
- 解决了外部认证头像更新的问题
- 修正了webplayer中特殊字符转义问题
-
CLI工具改进:
- 隐藏无效的默认命令值
- 提高命令行工具的稳定性
API更新
API版本升级至6.6.7,主要变化包括:
- 在统计功能中允许limit参数为-1表示无限制(0值将回退到popular_threshold设置)
版本选择建议
Ampache提供了针对不同PHP版本的打包文件,用户应根据自己的服务器环境选择合适的版本:
- PHP 8.2/8.3/8.4标准版
- 压缩版(Squashed)
- 客户端版(Client)
对于高级用户,还提供了需要自行安装依赖的公开版(Public)。
这次7.3.0版本的发布,通过性能优化、功能增强和问题修复,进一步提升了Ampache作为媒体管理解决方案的稳定性和用户体验。特别是对大型媒体库用户来说,性能改进将带来明显的使用体验提升。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1