Bermuda项目v0.7.3版本发布:蓝牙设备兼容性与性能优化
Bermuda是一个开源的蓝牙设备定位与追踪项目,主要用于家庭自动化场景。它能够通过蓝牙信号强度(RSSI)来定位设备位置,并将设备分配到不同的区域中。该项目与Home Assistant深度集成,为用户提供智能化的设备位置管理功能。
核心更新内容
本次v0.7.3版本主要针对Home Assistant 2025.2.0的兼容性进行了重要更新,同时对系统性能进行了显著优化。
蓝牙设备兼容性增强
随着Home Assistant 2025.2.0版本的发布,其蓝牙核心集成进行了重大调整。Bermuda项目团队迅速响应,确保了与新版本蓝牙设备的完全兼容。现在,Bermuda会优先使用用户在蓝牙核心集成设备页面中定义的区域和名称设置,仅在这些信息不可用时才会回退到使用ESPHome或Shelly设备原有的名称和区域信息。
这一改进解决了设备识别和区域分配的关键问题,使得系统能够更加灵活地适应不同来源的蓝牙设备,为用户提供了更一致的使用体验。
性能优化突破
本次版本在性能方面取得了显著进步:
- 计算效率提升:对核心算法进行了重构,优化了数据计算过程,显著减少了处理时间。
- 诊断功能改进:修复了诊断数据下载过程中可能导致崩溃的问题,同时提升了诊断功能的整体性能。
- 资源利用率优化:通过代码重构减少了内存占用和CPU使用率,使系统运行更加流畅。
这些优化特别有利于拥有大量蓝牙设备的用户,能够明显感受到系统响应速度的提升。
多语言支持扩展
Bermuda项目持续完善国际化支持,本次更新新增了两种语言:
- 葡萄牙语支持:覆盖了葡萄牙、巴西等多个葡语国家和地区。
- 荷兰语支持:为荷兰、比利时等地区的用户提供了本地化体验。
这些语言支持的加入体现了项目团队对全球用户的重视,使得更多地区的用户能够以母语使用这一工具。
用户体验改进
除了核心功能的更新外,本次版本还包含多项用户体验优化:
- 扫描器校准表界面美化:改进了校准表格的视觉效果,使其更加直观易读。
- 配置流程修复:解决了在无设备情况下进行校准步骤时可能出现的配置流程失败问题。
- 本地蓝牙适配器选择:修复了选择本地蓝牙适配器名称时的bug,提高了配置过程的稳定性。
项目发展现状
根据Home Assistant的遥测统计数据(用户自愿参与),Bermuda已经拥有超过3,300名活跃用户,并且每月新增约500名用户。考虑到统计的局限性,实际用户规模可能在3,300到11,000之间。这一数据反映了项目正在快速增长,并获得了智能家居社区的广泛认可。
值得注意的是,Bermuda现已加入HACS默认仓库,这意味着新用户能够更便捷地发现和安装这一集成,进一步降低了使用门槛。
技术细节
对于开发者而言,本次更新还包含多项依赖项升级:
- Ruff静态分析工具从0.7.2升级到0.9.4
- Black代码格式化工具从24.10.0升级到25.1.0
- 多项GitHub Actions工作流工具的版本更新
这些更新确保了开发环境的现代化和安全性,为项目的持续健康发展奠定了基础。
总结
Bermuda v0.7.3版本是一个重要的里程碑,不仅解决了与最新版Home Assistant的兼容性问题,还通过性能优化显著提升了用户体验。随着多语言支持的扩展和用户基础的快速增长,该项目正在成为蓝牙设备定位领域的重要解决方案。对于智能家居爱好者而言,这一更新值得立即升级,以获得更稳定、更高效的设备定位体验。
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