Zigbee-herdsman-converters v23.26.0版本发布:新增多款设备支持与功能优化
Zigbee-herdsman-converters是一个开源的Zigbee设备转换器项目,它作为Zigbee2MQTT等智能家居平台的后端支持,负责将不同厂商的Zigbee设备协议转换为统一的格式。该项目持续更新,不断添加对新设备的支持并优化现有功能。
本次发布的v23.26.0版本主要带来了多款新设备的支持以及一些功能优化和错误修复。
新增设备支持
本次更新新增了对以下几款Zigbee设备的支持:
-
404122/404123设备:这是一款来自知名厂商的智能设备,具体型号和功能需要结合厂商文档进一步确认。这类编号通常代表特定厂商的产品线。
-
929003808501:这是飞利浦Hue系列的一款新产品,可能是新的智能灯泡或传感器设备。飞利浦Hue系列以其高质量的智能照明产品而闻名。
-
SZW08、SZLR08、SZLM04U系列:这些是来自Sonoff的智能设备,包括智能开关、智能窗帘电机等。Sonoff作为知名IoT设备制造商,其产品在智能家居领域应用广泛。
-
TS0726系列场景开关和TS0003三路开关:这些是涂鸦智能(Tuya)的智能开关产品,包括:
- TS0726_4_gang_scene_switch(四路场景开关)
- TS0726_3_gang_scene_switch(三路场景开关)
- TS0726_2_gang_scene_switch(二路场景开关)
- TS0003_3_gang_switch(三路普通开关)
这些新增设备覆盖了从基础开关到高级场景控制的不同需求,进一步丰富了智能家居控制的选择。
功能优化与错误修复
-
OTA升级调度优化:现在允许在设备请求时调度OTA(空中升级),这提高了固件升级的灵活性和可靠性。当设备主动请求升级时,系统可以更及时地响应,确保设备保持最新状态。
-
设备识别改进:针对涂鸦智能的TS0726_4_gang设备,优化了识别逻辑。现在能够正确识别型号为_TZ3000_s678wazd的设备,解决了之前可能存在的识别错误问题。
-
异常处理增强:改进了exposes功能(设备功能暴露)的异常处理机制。现在当exposes函数抛出异常时,系统不会直接崩溃,而是能够优雅地处理错误,提高了系统的稳定性。
-
依赖项更新:项目维护团队定期更新依赖库,确保项目使用最新的第三方组件,提高安全性和兼容性。
技术意义与应用价值
这次更新对于智能家居用户和开发者都具有重要意义:
-
设备兼容性扩展:新增的设备支持让更多用户能够将这些产品接入统一的智能家居平台,实现集中控制和管理。
-
系统稳定性提升:异常处理的改进和OTA升级的优化使得整个系统更加健壮,减少了因意外错误导致的服务中断。
-
开发体验改善:对于开发者而言,依赖项的定期更新意味着可以使用最新的工具和库进行开发,同时也能从社区获得更好的支持。
-
场景控制能力增强:新增的场景开关设备支持为高级自动化场景的实现提供了更多可能性,用户可以创建更复杂的智能家居联动场景。
总结
Zigbee-herdsman-converters v23.26.0版本的发布,再次展示了开源社区在推动智能家居技术发展方面的活力。通过持续增加对新设备的支持和完善现有功能,该项目为构建更加开放、互联的智能家居生态系统做出了重要贡献。对于使用Zigbee2MQTT等平台的用户来说,及时更新到这个版本将能获得更好的设备兼容性和系统稳定性。
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