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。
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-1.5暂无简介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