OvenMediaEngine v0.18.0 版本发布:SRT推流与WHIP Simulcast等多项功能升级
OvenMediaEngine 是一款开源的流媒体服务器,专注于提供低延迟、高性能的实时视频传输解决方案。它支持多种流媒体协议,包括 WebRTC、SRT、HLS 等,广泛应用于直播、视频会议、在线教育等场景。最新发布的 v0.18.0 版本带来了多项重要功能升级和性能优化。
核心功能升级
SRT 推流支持
v0.18.0 版本新增了对 SRT (Secure Reliable Transport) 协议作为推流输入的支持。SRT 是一种开源视频传输协议,具有低延迟、抗丢包和安全性高等特点,特别适合在不稳定的网络环境下传输高质量视频。这项功能的加入使得 OvenMediaEngine 能够更好地服务于专业直播、远程制作等场景。
WHIP Simulcast 实现
新版本实现了 WHIP (WebRTC-HTTP Ingestion Protocol) 协议的 Simulcast 功能。Simulcast 允许发送端同时发送多个不同质量的视频流,接收端可以根据网络状况自动选择最适合的流进行播放。这项技术显著提升了 WebRTC 在不同网络条件下的自适应能力。
WebRTC Provider 的 Simulcast 支持
除了 WHIP 协议外,WebRTC Provider 现在也全面支持 Simulcast 技术。这意味着开发者可以在更广泛的 WebRTC 应用场景中利用多分辨率自适应技术,为用户提供更流畅的观看体验。
媒体处理能力增强
WebP 缩略图支持
v0.18.0 新增了对 WebP 图像格式作为缩略图编码的支持。WebP 相比传统的 JPEG 格式具有更好的压缩效率,能够在不损失质量的情况下显著减小文件体积,特别适合移动端应用场景。
H.265/HEVC 的 MPEG-2 TS 容器支持
新版本扩展了对 H.265/HEVC 编码的支持,现在可以在 MPEG-2 TS 容器中封装 H.265 视频流。这一改进为需要高效视频压缩的场景提供了更多选择。
前瞻编码技术
新增了前瞻编码(lookahead encoding)选项。前瞻编码技术可以分析后续帧的内容来优化当前帧的编码,提高压缩效率和质量,特别适合运动场景的视频编码。
API 与系统功能改进
SendEvents API
新增的 SendEvents API 为开发者提供了更灵活的事件通知机制,可以更好地与外部系统集成,实现自定义的业务逻辑。
多音轨支持
ScheduleChannel 现在支持多音轨功能,使得节目编排更加灵活,能够满足多语言广播等复杂场景的需求。
HLS 改进
对 HLS 协议进行了多项改进,包括在 HLSv3 中添加了 #EXT-X-PROGRAM-DATE-TIME 标签,以及在 LLHLS 的 #EXT-X-MEDIA 标签中添加了 CHARACTERISTICS 属性,提升了 HLS 流的兼容性和功能性。
性能优化与问题修复
v0.18.0 版本包含了多项性能优化和问题修复:
- 改进了多帧音频数据包的解码能力,提升了音频处理的稳定性
- 优化了转码器对多音轨的无缝切换支持
- 修复了编码器在输入分辨率变化时可能崩溃的问题
- 解决了 HLS 时间戳不准确的问题
- 修复了计划频道使用直播频道时可能崩溃的问题
- 优化了日志系统,解决了日志记录可能导致的系统性能下降问题
总结
OvenMediaEngine v0.18.0 版本通过新增 SRT 推流、WHIP Simulcast 等核心功能,以及对现有功能的优化和改进,进一步提升了其在实时视频传输领域的竞争力。这些更新使得 OvenMediaEngine 能够更好地服务于专业直播、低延迟视频通信等场景,为开发者提供了更强大、更灵活的工具集。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00