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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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