MadelineProto 8.4.4版本更新解析:全面升级VoIP会议功能
MadelineProto是一个功能强大的PHP即时通讯客户端库,它提供了完整的MTProto协议实现,使开发者能够轻松构建与即时通讯API交互的应用程序。作为即时通讯生态中的重要开发工具,MadelineProto持续跟进官方API的更新,为开发者提供最新功能支持。
本次8.4.4版本更新主要聚焦于VoIP(语音通话)功能的重大改进,特别是针对会议通话(Conference Call)和群组通话(Group Call)的一系列新功能和优化。这些更新不仅增加了新的API方法,还对现有功能进行了调整,使开发者能够构建更强大的语音通信应用。
新增API方法解析
本次更新引入了6个全新的API方法,全部与会议通话功能相关:
-
deleteConferenceCallParticipants:允许从会议通话中移除指定参与者,为会议管理员提供了更好的管理能力。
-
sendConferenceCallBroadcast:新增的广播功能,可以向会议中的所有参与者发送广播消息,适用于重要通知或系统消息的传达。
-
inviteConferenceCallParticipant:专门用于邀请新成员加入会议通话的方法,取代了之前通过通用邀请机制的方式。
-
declineConferenceCallInvite:为被邀请者提供了专门的拒绝会议邀请接口,使流程更加规范。
-
getGroupCallChainBlocks:获取群组通话链阻塞情况的方法,帮助开发者了解通话网络状况。
这些新方法的加入,标志着即时通讯VoIP功能正在从简单的点对点通话向更复杂的会议系统演进。
现有方法的重要变更
本次更新对多个现有方法进行了调整,主要优化了会议通话的参数和功能:
-
phone.requestCall:移除了conference_call参数,简化了点对点通话的请求流程。
-
phone.joinGroupCall:
- 新增public_key参数,增强了通话安全性
- 增加block参数,支持分块加入机制
- 移除key_fingerprint参数,改用更安全的验证机制
-
phone.createConferenceCall:
- 新增muted和video_stopped参数,支持创建时设置初始状态
- 加入join参数,支持创建后自动加入会议
- 增加random_id和public_key等安全相关参数
- 移除peer和key_fingerprint等过时参数
- 新增params参数,提供更灵活的配置选项
这些变更反映了即时通讯对VoIP系统架构的重新设计,特别是在安全性和灵活性方面的提升。
数据结构更新
本次更新引入了6个新的数据结构构造器:
-
messageActionConferenceCall:专门表示会议通话动作的消息类型。
-
updateGroupCallChainBlocks:用于更新群组通话链阻塞状态的通知。
-
phoneCallDiscardReasonMigrateConferenceCall:表示因迁移到会议通话而丢弃通话的原因。
-
inputGroupCallSlug和inputGroupCallInviteMessage:为群组通话提供了新的输入类型。
-
inputInvoiceBusinessBotTransferStars:支持商业机器人转账星币的发票输入类型。
同时,对多个现有数据结构进行了调整:
-
移除了多个phoneCall相关结构中的conference_call参数。
-
phoneCall结构中增加了conference_supported标志。
-
groupCall结构:
- 新增conference、creator和invite_link字段
- 移除conference_from_call字段
-
starsTransaction增加business_transfer字段,支持商业转账场景。
技术影响与开发建议
这次更新对VoIP相关开发有深远影响:
-
安全性提升:通过public_key等参数的引入,通话加密机制得到加强,开发者应确保正确处理这些安全参数。
-
功能专业化:会议通话和普通群组通话的功能区分更加明确,开发者需要根据场景选择适当的方法。
-
状态管理:新增的muted、video_stopped等参数使初始状态设置更加灵活,应用需要妥善管理这些状态。
-
错误处理:新增的phoneCallDiscardReasonMigrateConferenceCall等丢弃原因,要求开发者完善错误处理逻辑。
对于正在使用MadelineProto VoIP功能的开发者,建议:
-
仔细检查所有涉及phone.requestCall、phone.joinGroupCall和phone.createConferenceCall的代码,根据变更调整参数。
-
考虑使用新的专业会议管理方法替代之前的通用实现。
-
更新状态管理逻辑,适配新的muted、video_stopped等参数。
-
加强错误处理,特别是对新增的丢弃原因的处理。
这次更新标志着MadelineProto在VoIP功能上的成熟,为开发者构建更专业、更安全的语音通信应用提供了坚实基础。
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