AndroidX Media 1.6.0-beta01 版本深度解析
AndroidX Media 是 Google 官方推出的多媒体处理库,它为 Android 开发者提供了一套强大且易用的 API,用于处理音频和视频播放、转码、下载等多媒体任务。该库基于 ExoPlayer 构建,并在此基础上提供了更高层次的抽象和更丰富的功能。
核心更新内容
Kotlin 版本升级与性能优化
本次更新将 Kotlin 从 1.9.20 升级到 2.0.20,并采用了 Compose Compiler Gradle 插件。同时,KotlinX Coroutines 库也从 1.8.1 升级到 1.9.0 版本。这些升级带来了更好的性能、更稳定的运行表现以及更现代化的开发体验。
对于开发者而言,这意味着:
- 更高效的协程处理
- 更好的编译器优化
- 更流畅的 Compose 集成体验
ExoPlayer 音频会话管理改进
在音频处理方面,ExoPlayer 现在不再在创建播放器后立即提供音频会话 ID。这一改变更符合音频系统的实际工作流程,开发者需要通过 AnalyticsListener.onAudioSessionIdChanged 来监听初始更新。
这种改进使得音频会话管理更加可靠,避免了在音频系统尚未完全初始化时就尝试使用会话 ID 可能导致的潜在问题。
Transformer 功能增强
Transformer 模块是本版本更新的重点之一,新增了多项实用功能:
-
屏幕录制支持:新增的
MediaProjectionAssetLoader可以从MediaProjection获取媒体内容用于屏幕录制,Transformer 演示应用也相应增加了屏幕录制功能。 -
编解码器接口扩展:为
Codec接口新增了#getInputFormat()方法,提供了更丰富的编解码信息访问能力。 -
资源管理优化:在
DefaultVideoFrameProcessor和DefaultVideoCompositor中,将释放GlObjectsProvider的责任转移给调用者,这提供了更灵活的 GPU 资源管理方式。
视频处理优化
在视频处理方面,新增了实验性 API 用于优化延迟处理:
- 新增
DefaultRenderersFactory.experimentalSetLateThresholdToDropDecoderInputUs方法 - 允许丢弃不依赖的延迟
MediaCodecVideoRenderer解码器输入缓冲区 - 这一优化可以显著减少视频播放时的延迟问题
媒体会话服务改进
媒体会话服务是 AndroidX Media 的重要组成部分,本次更新对其进行了多项优化:
-
前台服务超时机制:当播放暂停、停止或失败时,前台服务状态会额外保持10分钟。这为用户提供了恢复播放的缓冲时间,同时避免了设备对前台服务的限制。
-
暂停处理优化:现在仅调用
player.pause()无法停止前台服务,开发者应使用MediaSessionService.pauseAllPlayersAndStopSelf()方法。 -
通知行为改进:当播放进入错误或停止状态时,通知会保持可见,只有在播放列表被清除或播放器释放时才会移除。
-
平台兼容性增强:改进了对 Android 平台 MediaSession 操作 ACTION_PLAY 和 ACTION_PAUSE 的处理逻辑,使其更符合实际使用场景。
废弃API清理
作为版本迭代的一部分,本次更新移除了一些已废弃的API:
-
移除了
DownloadHelper的旧构造函数和getRendererCapabilities(RenderersFactory)方法,开发者应使用新的DefaultRendererCapabilitiesList替代方案。 -
移除了
PlayerNotificationManager.setMediaSessionToken(MediaSessionCompat)方法,开发者应使用PlayerNotificationManager.setMediaSessionToken(MediaSession.Token)并传递(MediaSession.Token) compatToken.getToken()。
技术影响与最佳实践
对于开发者而言,本次更新带来的主要技术影响包括:
-
音频处理:需要调整音频会话ID的获取方式,采用监听机制而非立即获取。
-
屏幕录制:新增的屏幕录制功能为应用开发提供了新的可能性,特别是在教育、演示类应用中。
-
资源管理:GL资源管理的责任转移要求开发者更主动地管理相关资源,避免内存泄漏。
-
服务生命周期:前台服务的超时机制需要开发者重新考虑播放控制与服务生命周期的关系。
-
兼容性处理:移除的废弃API需要开发者及时调整代码,使用推荐的替代方案。
升级建议
对于计划升级到1.6.0-beta01版本的开发者,建议采取以下步骤:
-
全面测试音频相关功能,确保音频会话ID的获取方式已正确调整。
-
检查所有使用废弃API的地方,按照更新说明进行替换。
-
评估前台服务管理逻辑,确保符合新的生命周期要求。
-
考虑利用新的屏幕录制功能扩展应用能力。
-
在测试环境中充分验证各项功能,特别是视频处理和媒体会话相关部分。
AndroidX Media 1.6.0-beta01 版本通过多项功能增强和优化,为Android多媒体应用开发提供了更强大、更稳定的支持。开发者可以根据项目需求,逐步采用这些新特性,提升应用的多媒体处理能力和用户体验。
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
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
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