Shaka Player 4.13.4版本发布:性能优化与关键修复
Shaka Player是由谷歌开发并开源的一款功能强大的JavaScript媒体播放器库,主要用于在Web浏览器中播放自适应比特率流媒体内容。它支持多种流媒体协议,包括DASH、HLS等,并提供了丰富的功能和良好的跨平台兼容性。
核心改进与修复
DASH内容转向优化
在4.13.4版本中,开发团队修复了一个关于DASH内容转向(ContentSteering)的重要问题。原先的实现中,ContentSteering的Promise解析时机过晚,导致初始化片段的获取可能受到影响。通过调整解析时机,现在播放器能够更及时地获取初始化片段,提升了流媒体播放的启动速度和可靠性。
FairPlay DRM兼容性增强
针对苹果FairPlay DRM系统,新版本做了两处重要改进:
- 默认在较旧版本的Safari浏览器上安装shaka.polyfill.PatchedMediaKeysApple补丁,确保在这些环境下FairPlay DRM能够正常工作。
- 扩展了对WebKit嵌入式平台(WPE STBs)的支持,确保在这些设备上也能正确处理Safari特有的问题。
这些改进显著提升了在苹果生态系统中的DRM兼容性和稳定性。
性能优化亮点
4.13.4版本包含了多项性能优化措施:
-
缩略图处理优化:改进了getAllThumbnails方法的实现,移除了循环中的Promise使用,并在处理完成后及时关闭segmentIndex,显著提升了缩略图加载效率。
-
文本显示效率提升:现在UITextDisplayer只在确实有字幕线索(cues)需要显示时才设置定时器,减少了不必要的性能开销。
-
用户界面优化:减少了不必要的controls配置调用,特别是与Cast接收器ID相关的配置操作,使UI响应更加流畅。
-
平台检测优化:改用navigator.userAgentData.platform来检测Android和Fuchsia平台,这种方法相比传统用户代理字符串检测更加可靠和高效。
用户体验改进
在用户界面方面,4.13.4版本改进了与MediaSession API的兼容性。MediaSession API允许网站提供自定义的媒体通知和控制,这次优化使得Shaka Player能够更好地与系统媒体控制集成,提供更一致的用户体验。
技术架构调整
版本中移除了专门的isSafari检测方法,统一使用isApple进行检测。这一变化简化了平台检测逻辑,使代码更加清晰一致,同时也为未来的平台兼容性改进打下了更好的基础。
总结
Shaka Player 4.13.4版本虽然是一个小版本更新,但包含了多项重要的性能优化和兼容性改进。从DASH内容转向的处理时机调整,到FairPlay DRM的兼容性增强,再到多方面的性能优化措施,这些改进共同提升了播放器的稳定性、效率和用户体验。对于开发者而言,这个版本值得升级,特别是那些面向苹果设备或需要处理大量缩略图的应用场景。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00