osxphotos项目发布v0.72.0版本:新增macOS Tahoe初步支持
osxphotos是一个强大的Python库和命令行工具,专门用于与macOS上的Photos应用进行交互。它允许开发者通过编程方式访问和管理照片库中的内容,包括照片、视频的元数据、相册组织等信息。这个工具对于需要批量处理照片库内容的用户特别有用,比如摄影师、内容创作者或需要进行照片库备份的用户。
主要更新内容
macOS Tahoe初步支持
本次发布的v0.72.0版本最重要的更新是增加了对macOS Tahoe(即macOS 16/26)的初步支持。这是苹果即将发布的新版本操作系统的beta支持,意味着:
- 目前支持的功能包括基本的导出和导入操作
- 由于macOS Tahoe本身还处于测试阶段,相关功能可能会随着苹果系统的更新而变化
- 开发者建议用户如果遇到任何问题,及时反馈以便后续改进
这种早期支持对于需要在最新系统上使用osxphotos的用户非常有价值,虽然功能尚不完善,但已经可以满足基本需求。
导出功能优化
新版本对导出功能进行了重要改进,特别是处理"同步照片"(syndicated photos)的逻辑:
- 同步照片指的是通过Messages应用分享但尚未保存到照片库中的图片
- 之前版本会尝试导出这些照片,导致出现"missing"错误信息,给用户造成困惑
- v0.72.0版本将自动跳过这些未保存的同步照片,使导出过程更加清晰
这一改进显著提升了用户体验,避免了不必要的错误提示。
问题修复
本次更新还包含几个重要的错误修复:
-
下载缺失照片时的稳定性:修复了当使用--download-missing选项时,如果Photos应用无响应会被多次强制关闭的问题(#1862)
-
ExifTool处理超时:改进了--exiftool选项的处理,现在如果ExifTool进程无响应,系统会正确超时而不是一直等待(#1855)
-
同步照片处理:确保导出时正确跳过缺失的同步照片(#1865)
这些修复提高了工具的稳定性和可靠性,特别是在处理大型照片库或复杂操作时。
技术细节
对于开发者而言,值得注意的技术细节包括:
-
新版本继续保持了良好的向后兼容性,现有脚本和程序通常无需修改即可工作
-
对macOS Tahoe的支持采用了渐进式策略,随着苹果系统的更新,osxphotos也会相应调整
-
导出逻辑的改进涉及到底层照片库访问API的调整,体现了开发者对macOS照片管理机制的深入理解
使用建议
对于计划升级的用户,建议:
-
如果是生产环境使用,建议先在小规模测试环境中验证新版本
-
如果使用macOS Tahoe系统,注意这是beta支持,某些功能可能不稳定
-
导出大量照片时,新版本的处理逻辑会更加高效,但仍建议分批处理以防意外
osxphotos项目持续保持着活跃的开发状态,这个版本再次证明了它在macOS照片管理工具中的领先地位。无论是普通用户还是开发者,都能从中获得更强大、更稳定的照片管理能力。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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