Shaka Player 4.12.6版本发布:媒体处理与播放体验的优化
Shaka Player是一个由谷歌开发的开源JavaScript库,用于在浏览器中实现自适应媒体流的播放。它支持多种流媒体协议,包括DASH、HLS等,并提供了丰富的功能如DRM支持、字幕显示、离线存储等。作为HTML5视频播放器的强大补充,Shaka Player在现代Web媒体应用中扮演着重要角色。
媒体源处理优化
本次4.12.6版本在媒体源处理方面进行了多项改进。首先修复了在传输复用内容时不必要的媒体源扩展(MSE)重置问题,这一优化减少了播放过程中的不必要操作,提升了性能表现。同时针对时间戳偏移量的处理逻辑进行了修正,避免了在非必要情况下对时间戳偏移量的修改,确保了播放时序的准确性。
对于传输复用器(transmuxer)产生的间隙问题,开发团队也进行了修复。这一改进特别重要,因为间隙会导致播放过程中的卡顿或跳帧现象,影响用户体验。通过优化传输复用器的处理逻辑,现在能够更准确地处理媒体片段之间的衔接。
HLS协议支持增强
在HLS协议支持方面,本次更新包含多个重要修复。首先是修正了WebVTT字幕文件的识别问题,特别是针对使用cmft扩展名的字幕文件。这一改进使得播放器能够更准确地识别和处理不同格式的字幕文件。
另一个重要修复是针对VOD内容中仅包含视频或音频时的EXT-X-PROGRAM-DATE-TIME处理问题。在之前的版本中,当HLS流仅包含单一媒体类型时,时间戳处理可能出现偏差,现在这一问题已得到解决。
对于TS媒体播放列表的加载,现在能够正确地禁用音频或视频轨道,这一改进提升了播放器对不完整媒体流的兼容性。同时修复了在使用分段模式时原始格式的时间戳偏移问题,确保了不同播放模式下时间同步的准确性。
加密与离线存储改进
在数字版权管理(DRM)方面,本次更新修复了ClearKey许可证在旧版内容解密模块(CDM)上的兼容性问题。这一改进扩展了播放器在老旧设备上的可用性,特别是在需要轻量级DRM解决方案的场景下。
针对离线存储功能,现在支持存储MSS(Microsoft Smooth Streaming)流。这一新增功能扩展了播放器的离线能力,使得更多类型的流媒体内容可以被下载后离线播放。
播放控制与用户体验
在播放控制方面,4.12.6版本修复了多个影响用户体验的问题。首先是播放速率控制相关的改进,现在当默认播放速率不是1倍速时,用户仍然可以选择1倍速播放。同时修复了选择播放速率时视频自动开始播放的问题,这一行为在之前的版本中可能会给用户带来困扰。
对于简单的媒体源(src=)播放场景,现在能够正确地遵循配置的播放范围(playRange)。这一改进使得播放器在不同使用场景下都能提供一致的播放控制体验。
性能优化与代码清理
除了功能性的改进外,本次更新还包含多项性能优化和代码清理工作。移除了对isTypeSupported的不必要调用,减少了浏览器API的调用次数,提升了整体性能。同时对UITextDisplayer和SimpleTextDisplayer进行了代码清理,移除了已弃用的API并增加了必要的保护措施。
在媒体源状态管理方面,修复了当readyState未处于open状态时init方法的处理逻辑。现在在这种情况下会重新打开MediaSource,确保了播放器初始化的可靠性。
Shaka Player 4.12.6版本通过这些细致的改进和优化,进一步提升了播放器的稳定性、兼容性和用户体验,为开发者提供了更强大的工具来构建高质量的Web媒体应用。
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