Shaka Player 4.9.35版本发布:直播流与字幕处理能力升级
Shaka Player是由Google开发的一个开源JavaScript媒体播放器库,专注于提供跨平台的媒体播放解决方案,支持DASH、HLS等主流流媒体协议。作为一款功能强大的播放器,Shaka Player在Web端媒体播放领域有着广泛应用。
直播流处理优化
本次4.9.35版本对直播流的处理进行了重要改进。修复了直播流结束时状态判断的问题,现在能够更准确地识别直播流是否已经结束。这一改进对于需要精确控制直播播放流程的开发者尤为重要。
在直播流的片段管理方面,新版本优化了片段回收机制。不再使用getSeekRangeStart方法,而是改用getSegmentAvailabilityStart方法来决定哪些片段可以被回收。这一改变使得片段回收逻辑更加合理,特别是在处理长时间运行的直播流时,能够更有效地管理内存使用。
CEA-708字幕支持增强
新版本对CEA-708字幕的多字节语言支持进行了修复。CEA-708是美国用于数字电视的闭路字幕标准,这次改进使得播放器能够更好地处理非英语字幕,特别是那些需要多字节编码的语言,如中文、日文等。这对于国际化应用来说是一个重要进步。
DASH协议兼容性提升
在DASH协议支持方面,4.9.35版本修复了两个关键问题。首先是修复了SegmentTemplate中使用模板时的问题,确保时间计算准确无误。其次是改进了Dolby Atmos音频的检测逻辑,现在即使在没有SupplementalProperty标签的情况下,也能正确识别Dolby Atmos音频轨道。
HLS协议改进
对于HLS协议的支持也有多项改进。修复了音频轨道检测的问题,现在即使PMT(节目映射表)中列出了音频轨道但实际上没有音频数据时,也能正确处理。同时优化了媒体播放列表加载时的文本轨道处理逻辑,确保在需要时能够正确禁用文本轨道。
新版本还改进了EXT-X-TILES标签的处理,将其正确分配给对应的媒体片段。这一改进对于支持分片视频播放的场景尤为重要。
离线下载功能修复
在离线下载功能方面,修复了使用AUTO HDR级别时下载HLG(混合对数伽马)轨道的问题。HLG是HDR(高动态范围)视频的一种格式,这一修复确保了用户能够正确下载和播放HLG内容。
兼容性改进
4.9.35版本还包含了对Cast SDK兼容性的改进,修复了SEGMENT HEAD请求的处理方式,确保在Chromecast等设备上能够正常工作。
总的来说,Shaka Player 4.9.35版本在直播流处理、字幕支持、协议兼容性等方面都有显著改进,进一步提升了播放器的稳定性和功能完整性。这些改进使得开发者能够构建更加健壮和功能丰富的媒体播放应用。
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-1.5暂无简介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