Niri 项目中触屏输入问题的分析与解决
在 Niri 窗口管理器的使用过程中,用户报告了某些应用程序在触屏设备上无法正常工作的现象。本文将深入分析这一问题的成因,并提供解决方案。
问题现象
用户在 Xiaomi Pad 5 设备上运行 Fedora 41 系统时发现,即时通讯软件和办公软件等应用程序在 Niri 会话中无法完全响应触屏输入。具体表现为:
- 通讯软件中无法发送表情
- 无法选择文本
- 无法通过触屏关闭应用
值得注意的是,这些问题仅出现在触屏操作时,使用鼠标操作则完全正常。同时,在 GNOME Wayland 会话中,这些应用对触屏和鼠标的响应均正常。
问题排查
经过技术分析,发现该问题涉及多个层面的因素:
-
Smithay 库的触屏事件处理:初步怀疑是 Smithay 库在发送触屏事件时存在差异,它会在触屏抬起(wl_touch up)后发送一个帧事件(wl_touch frame),这可能影响某些应用的触屏响应。
-
显示缩放因素:进一步测试发现,当显示缩放比例设为1时,通讯软件在Niri中的触屏功能恢复正常。这表明问题与分数缩放(fractional scaling)有关。
-
屏幕旋转因素:用户反馈显示,屏幕方向也会影响触屏功能。在GNOME默认的横向模式下触屏工作正常,而在纵向模式下出现问题;Niri则相反,在默认纵向模式下正常,横向模式下出现问题。
解决方案
针对这一问题,目前有以下几种解决方法:
-
调整显示缩放:将系统显示缩放比例设置为整数倍(如1倍),可以解决部分应用的触屏问题。
-
启用高DPI精确缩放:对于通讯软件,可以在设置→高级→实验性功能中启用"Enable precise high DPI scaling"选项,这能有效解决触屏输入问题。
-
保持默认屏幕方向:在Niri中使用设备默认的屏幕方向(通常是纵向),避免旋转屏幕。
技术背景
该问题反映了Wayland环境下触屏输入处理的复杂性。不同窗口管理器对触屏事件的处理方式可能存在差异,而应用程序对分数缩放和屏幕旋转的支持程度也不尽相同。特别是在跨平台框架(如Qt)开发的应用程序中,这类问题更为常见。
结论
Niri项目中的触屏输入问题主要源于应用程序对非标准显示配置(分数缩放、屏幕旋转)的支持不足。虽然可以通过调整系统设置或应用程序选项来临时解决,但根本的解决方案需要应用程序开发者改进对Wayland环境下各种显示配置的兼容性。
对于终端用户,建议在使用触屏设备时保持默认显示设置,或在遇到问题时尝试调整应用程序的高DPI相关选项。对于开发者,则需要注意在Wayland环境下全面测试各种输入方式和显示配置的组合。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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