HarfBuzz 10.3.0版本发布:文本渲染引擎的重大性能优化
项目简介
HarfBuzz是一个开源的文本渲染引擎,主要用于复杂文本布局和OpenType字体处理。作为现代排版系统的核心组件,它被广泛应用于各种操作系统、浏览器和应用程序中,负责将Unicode文本转换为正确的字形序列,并处理字体特性如连字、字距调整等。
性能优化亮点
最新发布的HarfBuzz 10.3.0版本带来了多项显著的性能改进:
-
AAT字体处理性能提升:对Apple Advanced Typography(AAT)字体的处理速度有了显著提升。以LucidaGrande字体为例,基准测试显示处理时间从14.6毫秒降低到了5.9毫秒,性能提升约60%。
-
OpenType处理优化:改进了OpenType字体的字距调整和连字处理性能,虽然增加了约1KB的缓存内存占用,但带来了明显的速度提升。Roboto-Regular字体的基准测试显示处理时间从10.3毫秒降低到了9.4毫秒。
-
COLRv1彩色字体渲染加速:对COLRv1格式的彩色字体渲染性能进行了优化,基准测试显示渲染时间从7.85毫秒降低到了4.85毫秒,效率提升约38%。
重要功能改进
-
字形替换处理修复:修复了特定字体(AALMAGHRIBI.ttf)中morx表的错误处理问题,避免了对已知损坏的morx表应用字形替换。
-
语言注册表更新:更新了IANA和OpenType语言注册表,确保对最新语言标准的支持。
-
trak表处理改进:改进了trak(跟踪)表的处理逻辑,使其更接近Core Text的行为。现在能够正确插值表中未明确设置的尺寸的跟踪值,并将跟踪应用于ot-font函数返回的字形前进值,而不是在整形过程中应用。
-
非BMP字符支持:Core Text字体函数现在支持非基本多文种平面(BMP)的代码点,扩展了对Unicode字符集的支持范围。
-
字形绘制算法统一:hb-draw对glyf表的绘制算法现在与FreeType和Core Text保持一致,提高了跨平台渲染的一致性。
API增强与新功能
-
DirectWrite集成:新增了从DirectWrite字体创建HarfBuzz字体的API,并支持复制字体变体:
- hb_directwrite_font_create()
- hb_directwrite_font_get_dw_font()
-
特征标签查询:新增了获取形状计划中启用的特征标签的API,帮助应用程序在UI中显示默认应用的特征:
- hb_ot_shape_plan_get_feature_tags()
-
CoreText改进:hb_coretext_font_create() API现在会从Core Text字体复制字体变体到创建的HarfBuzz字体中。
-
blob引用增强:hb_face_reference_blob() API现在支持通过hb_face_create_for_tables()创建的面,前提是该面设置了get_table_tags回调。
构建与文档改进
- 构建系统进行了多项改进,提高了构建效率。
- 测试速度得到提升,加快了开发周期。
- 文档进行了全面更新,提供了更准确和详细的使用说明。
总结
HarfBuzz 10.3.0版本通过多项性能优化和功能增强,进一步巩固了其作为现代文本渲染引擎的地位。特别是对AAT、OpenType和COLRv1处理的性能提升,以及对trak表处理的改进,使得文本渲染更加高效和准确。新增的DirectWrite集成和特征标签查询API为开发者提供了更多灵活性和控制能力。这些改进将直接受益于依赖HarfBuzz的各种应用程序和操作系统,提升用户的文本阅读体验。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00