Variety 0.8.13版本发布:桌面壁纸管理工具迎来多项优化
Variety是一款功能强大的开源桌面壁纸管理工具,它能够自动从网络下载高质量的壁纸,并根据用户设置定期更换桌面背景。Variety支持多种桌面环境,提供了丰富的自定义选项,让用户能够轻松打造个性化的桌面体验。
主要更新内容
服务器选项下载修复
本次更新修复了服务器端选项下载的问题,移除了tiny.cc重定向器。这一改进提高了软件获取服务器配置的可靠性,确保用户能够正常获取最新的壁纸源和配置信息。
Earthview下载器修复
针对Earthview下载器进行了修复,解决了之前版本中可能存在的下载失败或异常问题。Earthview提供了大量精美的地球景观壁纸,这一修复确保了用户能够正常获取这些高质量壁纸资源。
智能显示模式优化
在"智能"显示模式下,Variety现在能够使用ImageMagick工具自动调整小尺寸壁纸的显示方式。当壁纸尺寸小于屏幕分辨率时,系统会自动进行平铺处理,确保壁纸能够完美适配屏幕,避免出现黑边或拉伸变形的情况。
KDE 6锁屏支持
随着KDE Plasma 6的发布,Variety 0.8.13版本新增了对KDE 6锁屏壁纸设置的支持。这一改进使得KDE 6用户能够享受到Variety带来的自动壁纸更换功能,包括锁屏界面。
壁纸设置工具优化
Variety改进了壁纸设置逻辑,现在默认优先使用feh或nitrogen工具来设置壁纸,而不是硬编码一系列窗口管理器列表。这一改变提高了软件的兼容性,使其能够在更多桌面环境中正常工作。
Fluxbox支持
新增了对Fluxbox窗口管理器的支持,通过fbsetbg工具实现壁纸设置。Fluxbox是一款轻量级的窗口管理器,这一补充使得Variety能够覆盖更广泛的Linux用户群体。
正则表达式名称过滤器
Variety 0.8.13引入了一个强大的新功能:支持使用正则表达式过滤壁纸名称。用户可以通过编写正则表达式规则来精确控制哪些壁纸会被下载和显示,这为高级用户提供了更精细的控制能力。
本地化更新
本次更新还包含了法语和德语翻译的更新,进一步改善了非英语用户的使用体验。Variety一直重视国际化支持,致力于为全球用户提供本地化的使用体验。
技术细节与使用建议
对于使用ImageMagick进行壁纸平铺的功能,建议用户确保系统已安装最新版本的ImageMagick工具套件。在大多数Linux发行版中,可以通过包管理器轻松安装。
关于新增的正则表达式过滤器功能,用户可以在Variety的设置界面中找到相关选项。对于不熟悉正则表达式的用户,Variety提供了简单的模式匹配语法,同时也支持完整的正则表达式语法,满足不同用户的需求。
对于KDE 6用户,更新到0.8.13版本后,Variety将自动检测桌面环境并启用相应的锁屏壁纸设置功能,无需额外配置。
Variety 0.8.13版本的这些改进和新增功能,进一步巩固了其作为Linux平台上一流壁纸管理工具的地位。无论是普通用户还是高级用户,都能从这个版本中获得更好的使用体验。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00