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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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