VisActor/VTable 1.19.0版本发布:甘特图增强与容器适配优化
VisActor/VTable是一个功能强大的表格可视化库,专注于提供高性能、可定制化的表格展示方案。它支持多种表格类型,包括基础表格、透视表以及甘特图等,广泛应用于数据可视化、项目管理等领域。本次1.19.0版本的发布带来了多项实用功能增强和问题修复。
甘特图功能增强
-
任务条最小尺寸配置
新版本为甘特图任务条增加了minSize配置项,开发者可以设置任务条的最小显示尺寸。当任务时间跨度较小时,任务条仍能保持清晰可见,避免因时间跨度小而导致的任务条显示过小问题。 -
依赖连线样式自定义
现在支持为不同类型的依赖关系连线设置不同的样式。开发者可以根据项目需求,为不同类型的任务依赖(如完成-开始、开始-开始等)配置不同的线条颜色、粗细或样式,使甘特图的依赖关系展示更加直观清晰。 -
行高计算优化
修复了在某些taskShowMode下可能导致的行高计算错误问题,确保甘特图中所有行都能正确计算和显示高度。特别是处理空子任务数组时,现在能够更准确地计算行高。
表格容器适配优化
-
容器适配模式
新增containerFit配置项,使表格能够更好地适应其容器尺寸。这一功能特别适用于响应式布局场景,当容器尺寸发生变化时,表格能够自动调整自身尺寸以匹配容器,提供更流畅的用户体验。 -
列宽缓存管理
在updateColumns API中新增了clearColWidthCache方法,开发者可以更灵活地管理列宽缓存。当需要强制重新计算列宽时,可以清除现有缓存,确保列宽计算结果的准确性。
其他功能改进
-
WPS填充柄插件
新增了类似WPS表格的填充柄功能,用户可以通过拖拽快速填充数据,提升数据录入效率。这一功能模仿了办公软件中常见的智能填充体验。 -
性能优化
更新了VRender 1.0.0作为渲染引擎,带来性能提升和稳定性改进。同时优化了分组释放逻辑,解决了GIF动画在特定情况下无法停止的问题。
问题修复
- 修复了列宽在updateColumns后可能显示不正确的问题
- 解决了甘特图在某些显示模式下行高计算错误的问题
- 修正了按钮和开关样式导入路径的问题
VisActor/VTable 1.19.0版本的这些改进使表格展示更加灵活,甘特图功能更加强大,特别是在项目管理场景下,新的依赖连线样式和任务条最小尺寸配置大大提升了可视化效果。容器适配功能的加入也使VTable在各种布局场景下表现更加稳定可靠。
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