Audiobookshelf v2.18.1版本发布:电子书与RSS订阅功能优化
Audiobookshelf是一个开源的音频书籍管理平台,它允许用户搭建自己的私人有声书库,支持多种格式的音频文件和电子书。作为一个全功能的媒体服务器,Audiobookshelf提供了跨平台的客户端应用,让用户可以在任何设备上享受自己的有声书收藏。
主要修复内容
本次发布的v2.18.1版本主要解决了几个关键性问题:
-
电子书加载问题:修复了在使用子目录时Epub电子书无法加载的问题。这个修复确保了用户在不同目录结构下都能正常访问电子书内容。
-
资源路径问题:解决了两个与路径相关的404错误。一个是纹理图片在子目录下无法找到的问题,另一个是当库UUID包含大写字母时资源无法访问的问题。这些修复提升了系统在不同环境下的兼容性。
-
RSS订阅功能:修复了收藏集和系列RSS订阅中不包含剧集的问题,完善了订阅功能的完整性。
功能改进
-
MRSS支持:新增了对MRSS(Media RSS)格式的支持。MRSS是RSS的扩展格式,专门用于描述多媒体内容。这一改进使得Audiobookshelf能够更好地与其他媒体系统集成,为用户提供更丰富的订阅体验。
-
RSS订阅格式优化:
- 将
itunes:duration标签的时长单位统一为秒(整数),提高了与其他播客客户端的兼容性。 - 对
itunes:summary标签内容增加了CDATA包装,确保特殊字符能够正确显示。 - 移除了所有空标签,使生成的RSS订阅更加简洁规范。
- 将
多语言支持增强
本次更新继续完善了多语言支持,新增或更新了以下语言的翻译:
- 简体中文
- 捷克语
- 丹麦语
- 匈牙利语
- 瑞典语
这些本地化工作使得Audiobookshelf能够更好地服务于全球不同地区的用户,降低了语言使用门槛。
技术意义
从技术角度来看,v2.18.1版本虽然是一个小版本更新,但解决了一些实际使用中可能遇到的痛点问题。特别是路径相关问题的修复,体现了开发团队对系统兼容性的重视。而RSS订阅功能的改进则展示了项目对开放标准和互操作性的支持,这对于一个媒体管理平台来说尤为重要。
多语言支持的持续完善也表明Audiobookshelf正在向一个更加国际化的方向发展,这对于开源项目的长期生态建设具有积极意义。总体而言,这个版本虽然没有引入重大新功能,但在稳定性和用户体验方面做出了有价值的改进。
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