Manyfold 3D模型管理平台v0.104.0版本发布:oEmbed支持与实用功能升级
Manyfold是一个开源的3D模型管理平台,它允许用户组织、分享和协作处理3D打印模型。作为一个现代化的3D模型库管理系统,Manyfold提供了模型存储、版本控制、协作工具等功能,特别适合3D打印爱好者和专业设计师使用。
oEmbed标准支持:更便捷的内容嵌入
本次v0.104.0版本最重要的更新之一是增加了对oEmbed标准的支持。oEmbed是一种允许网站通过URL嵌入其他网站内容的开放标准协议。在Manyfold中实现这一功能后,用户现在可以:
- 直接将公开模型、创作者或收藏的URL粘贴到支持oEmbed的博客平台
- 系统会自动生成美观的预览内容
- 如果平台支持,甚至可以直接显示3D模型的交互式视图
这一功能极大地简化了在外部网站分享3D模型的过程,使得内容创作者能够更轻松地将Manyfold上的3D模型集成到他们的文章或教程中。技术实现上,Manyfold现在会为每个公开资源提供适当的oEmbed响应,包括标题、描述和预览图像等元数据。
实用功能增强
1. 库删除功能
长期以来用户期待的库删除功能终于在本版本中实现。用户现在可以在库设置中找到删除按钮,永久移除不再需要的库。这一功能虽然看似简单,但在实现时需要考虑数据完整性和关联性,确保删除操作不会影响其他数据。
2. 直接切片软件集成
另一个备受期待的功能是直接与切片软件的集成。目前版本支持:
- OrcaSlicer
- Cura
用户现在可以直接从模型详情页或文件下拉菜单中选择"在切片软件中打开"操作,模型文件将自动下载并启动相应的切片软件。这一功能大幅简化了从模型浏览到准备打印的工作流程。
值得注意的是,由于某些切片软件的限制(如PrusaSlicer和Bambu Studio仅支持从特定平台打开文件),目前尚未支持这些软件。开发团队表示未来会继续与这些软件的开发者沟通,争取更开放的支持。
技术优化与问题修复
除了上述主要功能外,本次更新还包含多项技术优化:
- 文件删除安全性提升:改进了文件移除机制,防止意外数据丢失
- 外键错误修复:通过移除文件的默认作用域解决了潜在的数据库外键约束问题
- 签名下载URL:为模型文件实现了签名URL机制,提高了下载过程的安全性
- 库删除优化:确保库删除操作不会意外删除磁盘上的物理文件
总结
Manyfold v0.104.0版本通过引入oEmbed支持和实用的工作流程改进,进一步提升了平台的易用性和集成能力。特别是对于内容创作者和频繁使用切片软件的用户来说,这些新功能将显著改善他们的使用体验。
从技术角度看,这次更新展示了Manyfold团队对开放标准和互操作性的重视,同时也体现了对用户长期需求(如库删除功能)的积极响应。随着3D打印生态系统的不断发展,Manyfold正通过这样的迭代逐步确立自己作为专业3D模型管理解决方案的地位。
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