ErsatzTV v25.2.0版本发布:功能增强与性能优化
ErsatzTV是一个开源的电视流媒体服务器项目,它允许用户将个人媒体库转换为可直播的电视频道。该项目支持多种硬件加速方案,提供灵活的节目编排功能,并能与主流媒体服务器如Plex、Jellyfin等集成。
跨平台支持与部署优化
本次发布的v25.2.0版本在跨平台支持方面做出了显著改进。新增了对Alpine Linux x64系统的支持,通过提供linux-musl-x64构建包满足了使用musl libc用户的需求。同时,项目现在支持将管理界面和流媒体服务分别运行在不同端口上,通过ETV_UI_PORT和ETV_STREAMING_PORT环境变量实现灵活配置。
Docker部署方面也有重要更新,现在所有硬件加速方案(包括VAAPI、QSV和NVIDIA)都统一整合到基础镜像中,简化了部署流程。项目还开始向GitHub容器注册表发布镜像,为用户提供了更多镜像获取渠道。
调度系统增强
调度系统是本版本的重点改进领域之一。新增了"固定开始时间行为"选项,允许用户为节目表项设置严格或灵活的开始时间策略:
- 严格模式:确保节目在精确的预定时间开始,即使需要等待到第二天
- 灵活模式:当严格等待会导致进入第二天时,立即开始调度
这种细粒度控制使得节目编排更加符合实际运营需求。此外,调度编辑器新增了克隆节目表项的功能,简化了相似节目的创建流程。
硬件加速与转码改进
视频处理方面,v25.2.0引入了对HDR内容转码的基础支持:
- VAAPI在OpenCL加速可用时可使用硬件色调映射
- NVIDIA在Vulkan加速和libplacebo滤镜可用时可使用硬件色调映射
- QSV在使用硬件解码时可使用硬件色调映射
- 其他情况将回退到软件处理流水线
项目还优化了VAAPI的硬件加速填充功能,并升级了各平台捆绑的FFmpeg版本至7.1.1,提升了转码效率和兼容性。
媒体管理与搜索功能
媒体管理方面,改进了对Plex和Jellyfin集成的稳定性:
- 移除了Jellyfin管理员用户的强制要求
- 优化了Plex连接地址的缓存和检测机制
- 改进了Plex空集合同步时的错误处理
搜索功能现在支持通过智能集合名称进行查询,并改进了集合内容的索引方式。YAML播放序列定义现在支持引用其他序列,并增加了重复指令,增强了播放列表的灵活性。
用户体验改进
用户界面进行了多项优化:
- 开始实现响应式设计,改善小屏幕设备上的使用体验
- 修复了含小数点频道号在特定区域设置下的显示问题
- 优化了播放详情表的重新加载逻辑和日期格式化
- 增加了环境变量信息的显示,便于故障排查
XMLTV输出方面,修复了节目分组问题和滚动填充逻辑,提升了电子节目指南的准确性。
总结
ErsatzTV v25.2.0通过增强的调度系统、改进的硬件加速支持和优化的用户界面,为用户提供了更强大、更稳定的个人电视流媒体解决方案。特别是对HDR内容的支持和多端口部署能力,使得该项目在家庭媒体中心和专业应用场景中都更具竞争力。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112